冠状动脉狭窄病变可导致心脏供血不足、血氧浓度低等病症,是造成心肌梗塞乃至死亡的主要诱因。基于图像的辅助诊断系统可以帮助医务人员快速、自主、准确地完成狭窄病变识别,为冠心病等缺血性心脏病提供可靠的早期诊断依据,极大降低医务人员的操作强度和误、漏诊率,所以,辅助诊断系统相关的图像处理技术成为当前国内外广泛关注的研究热点。通过研究发现,虽然现存处理系统与算法在临床应用方面取得了重大成功,但在冠脉血管分割、骨架提取与狭窄病变量化诊断等关键处理环节,仍存在以下问题亟待解决:(1)受造影剂充盈、成像环境差异影响,血管目标成像存在严重的灰度不均、边界模糊问题,而大多传统冠脉分割算法仅采用血管灰度特征作为建模依据,缺乏必要的形状先验知识引导,导致算法无法准确区分血管与非血管点。(2)传统基于高斯核卷积的中心度量函数在计算过程中,由于检测尺度过高及其天然的低通平滑特性,造成邻近血管结构的中心度量信息相互干扰,降低数值准确性。(3)受个体差异与成像时产生的心动位移影响,冠状动脉往往呈现复杂多变的拓扑形态,这对传统骨架提取算法的拓扑适应能力提出了重大挑战。另外,当前骨架提取算法还存在像素级骨架提取精度不高、提取骨架网络难以保证同伦映射等缺陷,这些问题的解决对后续冠脉狭窄病变的量化分析具有重要意义。(4)当前采用的NASCET、ECST等狭窄度量化指标无法准确反映狭窄病变的局部特征,另外,大多数相关研究仅局限于狭窄度量化分级,未对狭窄病变分型诊断进行深化研究。本文通过对上述问题进行研究分析,提出了一系列新的解决思路和算法。本文主要创新点归纳如下:(1)本文基于空间连通域与形状约束判定,针对三维冠脉分割问题提出改进局部形状分析,有效去除体数据中包含的团状、盘状的非血管结构以及噪声生成的类血管结构,提高分割结果的准确率和抗噪性能。(2)本文以冠状动脉血管树为研究对象,针对拓扑自适应骨架网络提取,提出了基于高斯近邻投票的中心度量函数,去除相邻血管间的近邻干扰影响;提出了基于水平集图的骨架初始化算法,自适应初始化多条冠脉血管分支骨架曲线;提出了基于分层多假设的冠脉骨架跟踪算法,提高了血管分支部分的骨架提取准确率,并同步实现骨架点位置与血管半径测量;提出了基于拉伸活动轮廓的冠脉血管骨架网络提取算法,使输出骨架精度提升至子像素级,并通过提出的拓扑维持检查与网络重组织策略,使输出骨架网络与原始冠脉血管树保持良好的拓扑同伦性。(3)本文以NASCET、ECST评价为基础,提出了新的狭窄度量化指标,实现狭窄病变的量化分析与分级诊断;另外,本文还针对冠脉狭窄分型诊断问题进行研究,提出了融合狭窄度、管腔圆形度、离心率及扭曲度等多种血管形态参数测量的分型诊断策略。