冠心病是目前世界上致死率最高的疾病之一,有近70%的急性冠脉疾病是由冠状动脉易损斑块破裂造成。医学上证实易损斑块的主要原因是巨噬细胞浸润,因此对于巨噬细胞的识别是早期诊断易损斑块的重要手段。临床上,目前只能通过光学相干断层成像(optical coherence tomography,OCT)观察到患者冠脉内的巨噬细胞,医生凭借经验判断巨噬细胞的位置以及量的多少,工作效率较低并且重复性较差。本文针对冠状动脉OCT图像对巨噬细胞的识别,重点研究自动识别算法,力求通过计算机辅助提高图像的识别速度和准确性,满足临床需求。首先,针对巨噬细胞的识别算法研究,结合临床OCT图像的特点,本文主要采用阈值分割方法和数学形态学方法对原图像进行预处理,保留有用信息,去除噪声。其次,根据临床诊断所需要的巨噬细胞识别方式,本文采用了三种算法对图像中的巨噬细胞进行识别。第一种是基于灰度值的识别算法,利用巨噬细胞灰度值明显低于正常组织的特点,采用k-means聚类算法在图像中强化显示出巨噬细胞分布的边缘。第二种是基于高斯函数拟合的识别算法,利用高斯函数对OCT A-scan进行拟合,结合参数特性并对图像进行分类,并在图像中显示巨噬细胞的位置。第三种是基于纹理分析的识别算法,将传统纹理分析方法应用到巨噬细胞识别当中,与支持向量机相结合对图像进行分类识别,并针对传统纹理分析方法的不足提出改进的识别算法,获得了更好的检测结果。最后,本文对采用的三种巨噬细胞识别算法进行了比较分析,并为了保证算法的使用效果编写了显示界面,可以利用交互操作对图像进行处理,方便医生进行临床应用。