近年来,冠状动脉计算机体层摄影血管成像数据应用血流动力学分析方法所得的FFR（FFRCT）来诊断冠状动脉功能性狭窄的新型无创检测技术,成为临床研究的新热点。该技术通过单次检查将解剖和功能信息结合的,不需要额外进行医学影像采集与负荷药物使用,但难点在于用计算机软件根据冠状动脉解剖学信息模拟冠脉真实血流情况。因此,在仿真计算设置边界条件时冠状动脉流量数据是确保模拟过程可靠稳定运行的重要因素。本文的研究目的就是探讨影响疑似冠心病患者冠脉血流量的因素并构造冠脉流量预测模型。论文主要工作如下:（1）本论文在总结以往冠状动脉血液流速与流量研究成果的基础上,考虑整个心动周期冠状动脉血液循环灌注心脏过程,提出了考虑心率、血压、血液粘度等多参数的冠脉血流量计算改进方法。为了更全面考虑冠脉流量计算时参数纳入,采用Meta分析统计方法对冠脉血流量影响因素进行系统性定量分析,结果显示常规检测数据中性别、红细胞计数、红细胞压积、血小板平均体积、血尿酸、同型半胱氨酸与冠脉流量异常表现出相关性。研究结果表明,上述生理参数可初步作为真实冠脉流量预测特征变量的选择。（2）对哈尔滨医院病例符合上述特征变量参数的数据进行统计,利用贝叶斯网络构建了冠脉血流量预测模型。将特征变量参数作为输入,冠脉流量作为输出,结果显示采用贝叶斯网络算法计算的冠脉流量预测值与实测冠脉流量值平均相对误差和平均均方根误差分别为16.18%和2.074%,初步完成了基于常见的疑似冠心病患者个性化生理参数对冠状动脉流量的预测。（3）基于相同样本数据,训练遗传算法优化的支持向量机模型应用于冠脉流量预测,通过对比的预测模型的相对误差和均方根误差,验证贝叶斯网络冠脉预测模型的准确性,结果显示支持向量机模平均相对误差和平均均方根误差分别为0.565%和0.7277%,对比贝叶斯网络的相应误差评价指标较小,说明了本文支持向量机预测模型可用于基于常见的疑似冠心病患者生理参数对个性化患者冠状动脉流量的预测,并且预测效果优于贝叶斯网络模型。本论文构建的基于GA-SVM的多参数冠脉预测模型获得的冠脉流量值与临床实测冠脉流量值有较好的一致性。本研究为冠脉血流量计算提供了新思路,对冠脉FFRCT计算的准确性提高起到了推动作用。