如今,冠状动脉疾病已经成为了人类健康的主要威胁。在冠心病的诊疗当中,心血管造影图像已成为诊断的金标准,基于造影图像的计算机辅助诊疗系统能够很好的帮助医生诊断病情和制定治疗方案,具有十分重要的研究意义。但是,目前的造影图像处理方法(分割、中心线提取、匹配等)往往需要大量的人工交互操作,限制了其在临床中的应用。本文针对目前造影图像处理方法存在的局限性,重点研究其中的几项关键技术,包括:造影图像匹配与减影、冠脉结构分割、中心线提取与序列帧中心线匹配等,其中本文提出的大部分方法都做到了自动化,能够大幅度减少医生的操作量,为之后的三维重建、血液动力学分析等研究方向打下基础。本文的主要创新性工作包括:(1)提出了一种基于深度特征的造影图像匹配方法。该方法首先搭建孪生卷积神经网络提取造影图像局部特征,针对造影图像匹配数据不足的缺点,网络首先在自然场景图像上进行预训练,然后在少量造影图像上进行微调;其次,利用一种多层次匹配策略结合学习得到的局部特征向量获取造影图像蒙片和盈片之间的稀疏匹配点对;最后,对于未匹配点,搜索其周围特征距离最小的匹配点对,通过随机抽样一致性算法计算仿射变换关系,得出匹配结果。(2)提出了一种基于多通道卷积神经网络的造影图像血管分割方法。该方法首先采用本文的匹配方法将蒙片和盈片进行匹配,并将匹配的子块送入到双通道卷积神经网络进行学习,去除大部分的背景造影并提取大致的血管区域,再通过一些形态学处理获取血管感兴趣区域;最后设计了一种多尺度神经网络对感兴趣区域中的血管进行进一步的判别,实现精细的分割。(3)提出了一种基于拓扑连接的中心线提取与匹配方法。该方法首先对分割图像进行多尺度增强,并利用非极大值抑制获取中心线粗提取结果;其次,建立断桥区域连接概率图,采用最小路径算法修补概率最高的断桥,获取完整中心线拓扑;最后,将中心线转变为拓扑结构,利用上一帧中心线位置信息采用路径搜索策略得出下一帧中所有可能的候选中心线,从中挑选出动态时间规划距离最小的中心线作为最终匹配的中心线。