传统的医学图像分割主要靠人工完成,这种方法不仅耗时且不可复现。自动化分割技术虽然可以提高处理效率但是大大降低了处理结果的准确性,特别是在组织边缘和细小分支结构区域。基于深度学习的交互式分割方法可以平衡二者的优缺点,兼顾分割的准确性和高效性,在心脏CTA（Computer Tomography angiography）数据组织分割问题中具有十分重要的意义。虚拟内窥技术可以解决传统医学内窥镜无法无创入体的缺陷,辅助医生诊断组织器官内部情况,但是该项技术一直缺乏具体的应用。此外,现有的医学图像处理和分析软件功能单一、操作复杂、难以扩展并且往往收费不菲。随着医疗需求的陆续扩大和计算机技术的飞快进步,将自动化或交互式分割技术、可视化技术、虚拟内窥技术等计算机辅助诊疗领域的技术具现化,开发出功能多样化、操作简单且易于扩展的系统并推广,可以在一定程度上减少医生的工作量,提高医学图像处理的效率与准确率。本文对采用了深度学习方法的交互式分割算法展开了研究,提出了一种新颖的交互式修补算法,从局部来解决自动分割中经常存在的边缘、细小分支的缺失和断连等问题。另外,本文基于提取三维物体骨架的细化思想,实现了一种中心路径的提取算法,并基于该算法实现了虚拟内窥技术的可视化和引导漫游。最终,本文设计并实现了一个主要面向心脏CTA数据的交互式分割与导航系统,重点关注数据的交互式分割、可视化以及虚拟内窥导航,并可以作为通用处理平台满足大部分的医学图像分析与处理任务。系统面向医生、数据标注者以及相关领域科研人员实现了不同的功能,旨在作为一个通用的、可扩展的持续性科学研究和深度学习算法集成的交互式医学图像处理软件通用平台。