第一部分 基于CCTA的冠状动脉周围脂肪影像组学鉴别冠状动脉狭窄程度的价值初探目的初步探讨基于冠状动脉CT血管造影（CCTA）图像上冠状动脉周围脂肪（PCAT）的影像组学模型对冠状动脉狭窄程度的鉴别诊断价值。方法回顾性分析319例接受CCTA检查者的临床、影像资料。将其分为三组:正常组（CCTA评估为正常）:101例202支;轻中度组（经DSA评估）:74例74支;重度组（经DSA评估）:144例144支。于左前降支（LAD）及右冠状动脉（RCA）最狭窄处的斑块周围勾画、分割PCAT的感兴趣区（ROI）,提取ROI内的影像组学特征,采用逻辑回归以及最小绝对收缩与选择算子（LASSO）进行特征筛选并建立影像组学模型,使用受试者工作曲线评估正常-病变组及轻中度狭窄组-重度狭窄组之间的诊断效能。结果构建的两个影像组学模型（正常-病变模型、轻中度-重度模型）分别得出16个和9个最优特征参数,其中LogarithmGLCMlogarithmClusterShade为两者共有的特征参数。正常与病变组影像组学模型在训练组、测试组的曲线下面积（AUC）分别为0.964和0.935,轻中度与重度组影像组学模型在训练组、测试组的AUC分别为0.69,0.644。结论基于CCTA图像上PCAT的影像组学模型在正常与冠状动脉狭窄之间具有较好的诊断效能,但区分冠脉狭窄程度的效能较低。第二部分基于CCTA冠状动脉周围脂肪影像组学列线图预测心肌缺血的研究目的建立并验证一种基于冠状动脉周围脂肪（PCAT）影像组学特征的列线图模型,用于冠状动脉粥样硬化性心脏病（CAD）患者区分是否存在心肌缺血。方法本文采用以CT血流储备分数（CT-FFR）为参照,回顾性分析2018年1月至2020年6月359例行冠状动脉CT血管造影（CCTA）扫描的CAD患者,从中筛选出168例168支CT-FFR小于等于0.8且狭窄率大于等于30%的冠脉作为冠脉缺血特异性病变组,筛选出191例191支CT-FFR大于0.8且狭窄率大于等于30%的冠脉作为对照组,收集两组患者的影像学资料与临床资料。影像组学特征提取使用数坤公司的Perivascular Fat Analysis Tool软件勾画病变处周围PCAT。采用最大相关最小冗余度（mRMR）和最小绝对收缩和选择算子（LASSO）进行影像组学特征的筛选。我们将独立的有关临床特征纳入影像组学特征模型,形成一个联合模型（即基于影像组学特征的列线图模型）,并与其它两种模型的诊断效能进行了比较。结果一共提取了 1692个影像组学特征。建立了一个包含7个被筛选出来的影像组学特征模型,用于预测冠状动脉血流缺血特异性病变的患者。两组冠状动脉缺血特异性病变组和对照组的患者的影像组学得分（Radscore）差异有统计学意义（训练队列:p＜0.01;验证队列:p＜0.01）。四个临床特征被保留下来,并将四个临床特征建立临床特征模型。结合临床特征和影像组学特征的列线图与单独的影像组学模型相比,对于预测冠状动脉缺血特异性病变的敏感性和区分度有所提高（敏感性:训练队列:0.88,测试队列:0.68,准确性:训练队列:0.83,测试队列:0.73,曲线下面积（AUC）:训练队列:0.90,测试队列:0.86）。决策曲线分析表明,列线图具有临床应用价值,超越了传统的临床特征模型和影像组学特征模型。结论联合了影像组学特征和临床特征的影像组学列线图模型个体化、无创性地对冠状动脉粥样硬化性心脏病患者预测患者心肌缺血具有良好的效果。