心血管疾病多年来一直严重危害着人类的健康，它常常是由冠状动脉狭窄和堵塞引起的。随着冠状动脉CT造影(Coronary Computed Tomographic Angiography，CCTA)技术的发展，通过人工观察的方式对冠状动脉的几何特性进行评估已不能满足临床的需求。计算机辅助诊断技术的发展，极大地提高了对冠状动脉造影图像进行定量分析(QuantitativeCoronary Angiography，QCA)的速度和精度。QCA分析中一个重要的课题就是对冠状动脉轮廓的提取，它是临床上对冠状动脉狭窄进行检测的基础。本文主要研究了基于图搜索算法的冠状动脉分割方法，主要工作如下:　　本文首先对基于图搜索的图像分割方法进行了总结。我们介绍了图搜索算法的基本原理及其在图像分割领域的应用。为了得到图像的边界轮廓，我们需要为图中的节点设计代价函数，然后用最短路径算法或启发式搜索技术在图中搜索一条最优路径。我们对常见的最短路径算法——Dijkstra算法的原理及算法的步骤进行了介绍，并举例说明了它在图像分割中的应用。代价函数的设计往往决定了图搜索算法在特定领域的表现，本文对图像分割领域中常见的代价函数设计技巧进行了总结和分析。由于最短路径算法在面临大量节点时执行效率不高，我们介绍了提高搜索效率的方法。　　在基于图搜索的图像分割方法的基础上，本文接着介绍了一种基于三维图搜索的血管分割算法。该算法受人眼观察血管边界的启发，通过构造三维图的方式，同时搜索血管的两条边界，并在此基础上设计了一个包含血管模型参数的代价函数。　　在上述算法的基础上，本文通过对比实验，总结出了代价函数中模型参数的选取方法和提高算法时间效率的方法。最后，我们在MeVisLab平台上设计并实现了一个完整的用于分割CCTA图像中冠状动脉分支的程序。该程序的实验结果表明，本算法在面临存在血管分又及邻近相似组织干扰等情况的复杂图像时，具有良好的表现。