我们提供了使用形状和外观的统计模型分析短轴心脏MRI的框架。框架整合了时间和结构约束，避免了此类高维模型固有的常见优化问题。的第一个贡献是引入了一种在短轴心脏MRI上拟合3D活动外观模型（AAM）的算法。我们观察到拟合速度和分割精度提高了44倍，这与高斯-牛顿最优化算法（其中之一）针对此类问题广泛使用的优化算法。第二个贡献涉及对分层2D +时间的调查活动形状模型（ASM），该模型整合了时间约束并同时改善了基于3D AAM的分割。我们在7980个短轴心脏MR图像上获得令人鼓舞的结果（心内膜/心外膜误差1.43±0.49 mm / 1.51±0.48 mm）从33个科目中获得。我们将数据集在线放置，供社区使用和建立。
使用成像对心脏进行三维成像超声，磁共振成像等检查方法（MRI）和X射线计算机断层摄影技术正在迅速发展医学影像研究领域。 放映在治疗最多的早期阶段发现问题有效，可以帮助预防心脏病。 手动分割心脏短轴磁共振成像的临床应用心脏功能的有用指标，例如射血分数（EF）比率（Frangi等，2001）。 但是，手册细分是一个缓慢且容易出错的过程，并且完全自动化方法是非常需要的。所描述的算法有多种原因在文献中进行细分和功能分析的心脏图像的成功率低于心脏图像的成功率人类专家（Bosch等，2002； Gering，2003； Mitchell
等人，2001，2002）
