心血管疾病是近年来不容忽视的公共卫生问题,随着社会与经济的高速发展,心血管疾病的患病率在逐渐上升。冠心病是患病率最高的心血管疾病,而冠脉CT造影技术则是有效、非创伤性的冠脉相关疾病评估与诊断方式。实效性强的冠心病计算机辅助诊断方法是智慧医疗在心血管临床场景应用中的关键技术。然而受限于冠脉狭窄的复杂性和不确定性,基于冠脉CT造影的自动冠脉狭窄分析依然是一项具有挑战性的任务。本文设计了局部Transformer结构和全局Transformer结构,并根据所设计的结构提出了应用于冠脉狭窄分析场景的网络模型。对于重度狭窄（即管腔收缩＞50%）检测任务,本文设计了基于Transformer的全局上下文分析结构（即全局Transformer结构）,并结合CNN与该结构提出了用于检测重度狭窄的TR-Net。实验结果表明,全局Transformer结构能够有效地建立冠脉段中局部特征之间的上下文相关性,TR-Net能够根据冠脉段各位置图像特征检测可能存在的重度狭窄。对于冠脉狭窄定量任务,本文设计了基于3D Shift Window的局部特征提取结构（即局部Transformer结构）,并结合本文所设计的两个Transformer结构提出了通过回归管腔收缩程度定量冠脉狭窄的TR-Net++。实验结果表明,局部Transformer结构能够准确地提取MPR图像中与正方体体积对应的3D信号输入的多尺度特征,两个Transformer结构分别在层次化表示获取和特征序列分析中展现了很好的性能。综上所述,本文所提出的模型实现了冠心病计算机辅助诊断并为放射科医师提供了可靠的临床参考指导,其中TR-Net++是一个完全由Transformer构成的3D图像信息序列分析架构,该架构通过Transformer整合局部和全局语义信息准确地完成相应任务的预测,同时具有很好的拓展性并为信息序列建模提供了一个全新的思路。