心外膜脂肪与几乎所有血管及心脏疾病的发生、发展及严重程度相关,有必要对其容积、厚度及密度等指标进行量化。目前分割和量化方法的性能有待提升且难以适应心脏变形的数据,此外现有研究无法仅适用于开发模型的数据集,对于不同扫描参数/设备/中心等数据的泛化能力较差。我们建立了一个二维卷积网络及U形网络实现了心外膜脂肪的分割,基于此给出心外膜脂肪所在的区域从而提取三维图像Patch用于进行精确分割。我们建立了一个卷积和Transformer的混合模型,结合卷积的归纳能力和Transformer的全局建模能力实现了精确分割,即使在有心脏变形情况下,仍取得了较好的结果。采用无监督领域自适应方法,在无标记情况下,预期实现模型在不同数据之间的泛化,从而可以应对不同中心数据,满足临床需求。最后,预期基于研究的分割和泛化模型,以房颤数据为例,对CT/PET及血液等数据进行分析,探讨心外膜脂肪与房颤的关系及其可能导致的房颤的致病机制。