目前冠状动脉相关的疾病已成为威胁人类健康的主要疾病之一,呈现高发病率和死亡率。而冠脉微循环功能障碍是诱发这些疾病的重要因素。临床上根据微循环功能障碍的程度来确定治疗过程中的给药策略或者判断是否需要手术等。微循环功能评估是临床治疗的基础,临床医生常通过对冠脉造影图像的定性观察、手动测量或者利用磁共振成像等手段来评估。前者精度不高,后者操作复杂费用昂贵。冠脉造影是常用的冠脉疾病的诊疗手段,通过对冠脉造影图像进行处理和特征分析,用于微循环功能评估对辅助临床治疗具有开创性意义。冠脉造影图像存在对比度低、前景背景遮挡、噪声干扰等问题。当前,从造影图像序列提取出血管的结构和强度信息仍是一项极具挑战的工作。此外,对提取到的造影血管信息进行统计分析进而量化评估微循环功能,是具有开创性的工作。本文旨在通过比较准确地提取带有强度信息的血管结构来评估微循环功能。为了达到上述目的,首先设计了一个新颖的分割算法进行血管分割,得到较为精确的血管掩模;接着利用张量补全算法对血管掩模区域的背景信息进行恢复,得到带有强度信息的血管前景图;提取到血管前景后,进行图像分析,建立微循环功能评价指标。针对血管分割,本文开发了一种基于U-net结构,利用残差学习和通道注意力机制的深度学习造影血管分割算法。该算法能较好实现时空特征提取、特征融合和特征提纯。基于消融实验说明了不同参数配置及算法各模块对分割效果的影响。Dice loss的引入缓解了前景类和背景类像素数量不平衡问题,与主流算法对比验证了提出方法的有效性。在分割得到血管掩模的基础上,利用扭转张量核范数方法,结合t-SVD分解与递归拉格朗日乘子法来求解血管mask区域的背景灰度信息,并从原始造影图像中减除完整的背景层,最终获得带有强度信息的血管前景。为了定量评估冠脉微循环功能,我们开创性的利用带有强度信息的血管前景图像,统计图像特征并建立微循环功能评价指标用于功能分级,在测试集上验证了所提指标的合理性。我们统计了造影剂最大充盈浓度AMGV,心肌区域供血面积占比P,心肌区域造影剂排空时间Ttotal、心肌造影剂最大充盈时间Tmax等指标,并进一步计算得到心肌最大充盈的平均速度Vmax和心肌区域造影剂平均排空速度Vtotal。我们提出的指标评定的微循环分级与医生临床诊断结果的相关性系数为84.33%,并在磁共振CMR指标中得到验证,证明了本文提出的造影血管提取和微循环功能分析的框架的有效性。