心血管疾病是一种严重威胁人类健康的常见病,尤其是冠状动脉引发的疾病是当前世界范围内引发死亡的重要原因。同时,由于专业医生分布的不均衡,很多偏远地区的医院正面临着看病难的问题。如何将医疗与人工智能相结合,建立一个心脏冠脉疾病智能诊断系统成为了一个极具研究价值的课题,而其中最重要的一个环节就是心脏冠脉图像的分割。分割任务要求输入一张心脏冠脉图像,网络能够输出一张像素级的多标签分割结果,包括特定体位下能够看到的不同类型的主要血管、非相关血管、导丝、背景等。在图像分割任务中,数据集的规模非常重要;而在医疗图像分割任务即心脏冠脉图像的分割任务中,数据集的规模则更加重要。由于心脏冠脉图像数据的特殊性,使用普通的图像分割网络对冠脉图像进行血管分割其效果十分有限,同时也很难掌握人工标注消耗和分割网络精度之间的平衡。在此背景下,本论文提出了一种基于少量精标签数据的心脏冠脉图像分割方法。论文主要成果如下:首先,论文提出了医疗数据中血管图像数据集的创建流程和规范,包括不同体位原始图像、粗标注图像、精标注图像、二值图像的定义、生成步骤和规范;其次,论文提出了一种自动生成类似精标注数据的“伪精标”图像的方法;最后,论文在对现有的图像分割网络进行调整优化的基础上,根据“进化网络”的思想,设计了一套完整的心脏冠脉图像分割网络训练流程。这些方法能够在保证分割网络性能的基础上尽可能减少人工标注消耗。使用本论文提供的方法,在拥有同样数据量的情况下以F1-score作为评测标准,分割效果能够提升4%-11%。