随着社会老龄化和城市化进程的加快,心血管疾病已成为我国发病率和死亡率最高的疾病,成为重大公共卫生问题。目前心血管疾病的辅助诊断影像技术有CT、血管内超声(IVUS)和光学相干断层扫描(OCT),由于OCT系统成像速度、分辨率等性能的提高,使OCT技术在医疗领域得到广泛应用。但利用OCT影像诊断冠脉疾病时依然要医生手动操作,费时费力,所以基于冠脉OCT影像的计算机自动分析算法研究,对于辅助医生诊断治疗冠脉疾病有很重要的临床意义。本文针对冠状动脉OCT影像做了以下研究工作:冠脉血管内膜提取方面,本文提出了一种基于改进CV模型的冠脉血管内膜轮廓序列自动提取算法。通过改进CV模型演化权函数,引入曲线局部信息控制曲线边界演化速度,添加梯度能量项和形状约束项,增加对信息点捕捉能力并以前幅图边界信息作为先验条件进一步约束演化轮廓形状。最终实现冠脉OCT内膜轮廓的序列提取,并针对序列内膜轮廓差异性较小的图像,通过将初始演化轮廓设定为前幅图内膜提取结果,进一步提高内膜提取效率。结果表明,本文内膜提取算法不仅提高了内膜提取精度,对模糊边界、导丝阴影、支架及斑块干扰等特殊情况具有较好提取效果,还为后续斑块分割奠定了基础。冠脉斑块分割方面,本文提出了一种改进的内核图割算法,实现了斑块区域精确分割。根据已得内膜轮廓和OCT光线穿透特性,利用图像直角坐标和极坐标转换法,将内膜轮廓进行等距数据点扩充,获得涵盖各类斑块的感兴趣区域,从而减少外围噪声干扰,降低后续处理图像区域面积。采用K-means聚类方法得到感兴趣区域的聚类中心点。将聚类中心点作为参数输入改进的内核图割算法中,并将感兴趣区域与原始图像区域面积比引入到能量函数,控制分割边界的平滑度,最终实现纤维化、钙化和脂质斑块区域的精确分割。实验表明,本文方法可有效提高多种类型斑块区域分割精度,一定程度上加快了冠脉OCT图像计算机辅助分析的自动化进程。