冠心病有着高发病率、高死亡率的特点,对人类的健康产生了严重的威胁,已经成为全世界最主要致死原因之一。随着我国经济的不断发展和人民生活水平的不断提高,作为冠心病诊断的金标准——常规冠状动脉造影（Conventional Coronary Angiography,CCA）在全国二级以上医院开展率也越来越高,临床上对拥有丰富临床经验医生的需求也越来越大。因此发展一种冠脉数字减影血管造影（Digital Subtraction Angiography,DSA）辅助诊断方法对减轻医生负担和提高经导管冠状动脉造影手术的开展率有着重要的意义。冠脉DSA影像辅助诊断首先是实现对冠脉血管有效、准确的分割。由于冠脉血管图像中存在着各种动态和静态的噪声干扰并且本身成像质量较差,需要对血管图像做降噪和增强的预处理。图像降噪本文主要采用RPCA（Robust PCA）方法实现图像的分层降噪;图像增强采用基于多尺度Hessian矩阵的Frangi血管增强和RLF（Radon-Like Features）变换的方法。最后本文使用改进的多尺度区域生长法实现冠脉血管的分割,平均Dice系数达到了0.802。为了能够全面获得冠脉造影序列的信息,提高疾病的检测能力,在获得冠脉分割结果后本文提出了基于时间维度的DSA冠状动脉信息融合重建,分别从三个层次描述冠脉信息。首先是冠脉血管单元信息,包含血管的长度、直径和起止点的计算。其次是图像中血管树层次,就是建立一个基于空间位置的血管多叉树结构。最后是前后多帧图像映射关系的建立,主要是图像相邻帧间血管段的匹配和对应关系的建立与查询。在上述工作基础上,本文还提出了冠脉血管狭窄程度的量化评估,并参照SYNTAX标准得到狭窄评分。其中主要完成了基于时间维度信息的肌桥检测算法,可修正因肌桥产生的血管狭窄误判。经天津市第四中心医院212个狭窄病例验证,轻度狭窄、中度狭窄和重度狭窄的准确率分别为:87.8%、72.63%和89.4%。综上所述,本文提出了一个完整的针对冠脉狭窄和肌桥检测的智能SYNTAX评分技术路线,并基于临床DSA样本数据对核心算法进行了有效性验证,为后续更加全面智能的实现冠脉SYNTAX评分提供了技术铺垫和经验积累。