冠心病是一种严重危害人类健康的一种心脏疾病,创伤小的介入手术已经成为冠心病的主要治疗手段。在介入手术治疗的过程中医生需要对于血管病变部位做出准确判断,但是由于传统血管内超声二维影像信息的局限性,病患部位三维信息需要医生通过自身经验去想象,从而影响手术的判断。本文研究介入术医疗辅助中的关键技术,旨在辅助医生对于血管病患部位病变情况做出准确的判断,提高治疗效率。本研究以血管内超声图像为研究对象,从血管内膜的提取、血管模型的三维重构两个方面展开研究,基于深度学习方法实现了内膜提取并进一步完成了病患血管形貌重构。此外,采用基于底层造型内核的参数化技术构造支架模型,并研究了移动端显示技术。首先,在对传统方法与深度学习多种模型进行对比基础上,选择U-Net网络模型实现血管内超声图像中血管内膜轮廓信息提取。筛选合适数据源并对血管内膜轮廓进行标注,整理并制作出带有血管内膜标签的数据集。通过训练达到预期的识别效果,选择合适的模型参数对预测样本进行预测,利用平均像素交并比和均像素精度进行评估。根据预测所得到的关键分层数据作为三维重构的数据源,提取血管内膜轮廓信息,并得到轮廓的关键点坐标,基于三维造型内核开发完成曲线、曲面的拟合,重构出血管的三维模型。其次,设计若干关键参数,以典型支架为例,研究了基于底层造型内核的模式构造参数化支架模型的方法,为后续分析提供基础。最后,研究了基于Urho3D技术的移动端三维显示方法,为医生提供便利、直观的支架与血管匹配判断。