冠状动脉粥样硬化性心脏病简称冠心病,是世界范围内死亡率最高的疾病。冠心病是冠状动脉中的脂质、胆固醇、钙和其他物质沉积形成粥样硬化斑块而引起冠脉狭窄或阻塞,造成心肌缺血或坏死而导致的心脏病。粥样硬化斑块破裂会形成血栓,引发心肌梗死等一系列急性心血管事件。冠心病治疗的目的是控制斑块的形成和预防斑块的破裂,因此早期识别并分类斑块是介入治疗冠心病的前提。冠脉斑块诊断常用的成像技术分为侵入式和非侵入式两类,血管内超声是动脉粥样硬化斑块诊断的金标准。计算机断层血管造影(Computed Tomography Angiography,CTA)是广泛应用的临床检测手段,已经应用在冠脉病变的临床诊断上。和血管内超声相比,CTA具有非侵入性、快速、准确的优点。各类斑块之间的组织成分差别很大,在冠脉CTA图像中通常将斑块分为钙化、非钙化、混合斑块三类。目前大多数的斑块检测方法主要专注于一种特定的斑块,即只检测钙化斑块或者只检测非钙化斑块,多种斑块同时检测的方法很少。本文的目的是建立冠脉CTA斑块数据库,并实现多类别斑块的自动检测。针对建立冠脉CTA斑块数据库的任务,本文介绍了中心线提取和横截面生成算法,并设计了基于横截面算法的斑块标记平台用于斑块标记。冠脉CTA斑块数据库的数据来源是解放军总医院,该数据集为冠脉CTA数据。本文用Mimics软件手动分割冠状动脉,分割后的冠脉用于提取血管中心线。为了降低斑块标记的难度,通过生成血管横截面,将原始数据转换成多平面重建(Multi-planner reformation,MPR)图像。本文使用细化算法从分割的血管数据提取血管中心线,并对含钙化斑块的血管进行了钙化伪影矫正。通过计算血管横截面和原始CTA空间矩阵坐标的映射关系,实现了横截面生成算法。提出的横截面生成算法在原有算法的基础上加入了绕z轴的旋转,改善了横截面之间存在旋转错位的问题。横截面生成算法通过MATLAB和Mevislab平台分别实现。本文设计并实现了两个标记平台,横截面类别标记平台和斑块标记平台,它们分别实现对横截面类别的标记和像素级的斑块标记,为斑块标记提供了软件支持。针对多类别斑块的自动检测任务,本文使用放射组学方法实现多类别斑块检测。放射组学方法的基本流程是:(1)图像收集,(2)感兴趣区域(Region of interest,ROI)获取,(3)特征提取,(4)特征选择,(5)分类与预测。由于自建的CTA斑块数据库的标记部分尚未完成,本任务使用鹿特丹冠状动脉评估数据集。鹿特丹的数据包含冠脉CTA数据、中心线坐标及基于中心线坐标的斑块标记。本文通过横截面生成算法,将鹿特丹的数据转换成带标记的横截面数据(正常横截面、非钙化斑块横截面、钙化斑块横截面、混合斑块横截面)。由于各类别斑块的数量不均衡,本文尝试了三种应对样本类别不平衡的方法,但收效甚微。依据血管腔的半径集中在4个像素左右的规律,将ROI设置为半径为4的圆形区域。特征提取使用Pyradiomics模块实现,共提取了774种放射组学特征。本文使用了去共线性特征、Relief-F、随机森林三种特征选择方法,效果最好的随机森林特征选择法。本文提出了一种由两层全连接层,接dropout层和softmax层构成的神经网络模型,并将它和随机森林分别作为两种分类器对放射组学特征进行分类。通过宏平均F1分数评价模型性能,最优模型为随机森林特征选择后结合神经网络的算法模型,其准确率为0.93,宏平均F1分数为0.7。本文的工作总结如下:(1)介绍了基于细化算法的中心线提取,改进了横截面生成算法;(2)基于横截面生成算法,设计并实现了两种斑块标记平台,为冠脉CTA斑块数据库的斑块标记提供了软件技术支持;(3)基于斑块类别标记数据,使用放射组学方法实现了多类别斑块检测任务。