随着“精准医疗”概念的提出,人们对医学影像技术和计算机辅助诊断技术精准性的要求越来越高。研究表明,心血管疾病是人类死亡率最高的非传染性疾病,动脉粥样硬化引起的冠状动脉管腔狭窄是其早期表现形式,因此分析冠状动脉的狭窄程度对于心血管疾病的预防和诊断具有重要意义。CT血管造影(CTA)图像是血管病变诊断的重要影像技术之一。但由于医学成像设备的限制和冠状动脉复杂结构的影响,冠状动脉CTA图像存在对比度低、灰度不均匀和边界模糊等问题,无法直接获取冠状动脉清晰完整的形态,传统的增强和分割方法的效果也不令人满意。因此提高冠状动脉图像的增强和分割算法的效果是解决问题的关键,同时能够为冠状动脉的三维可视化、参数测量等后续分析提供强大支持。本文应用数学方法与计算机辅助诊断技术相结合为冠状动脉的形态分析提供了一个半自动的处理框架。在对现有的血管增强、分割和三维重建方法进行了深入的研究和分析基础上,以问题为导向在模型和算法方面做了改进创新,主要的研究工作包括:一、由于胸部CTA图像的背景复杂,冠状动脉周围有对比度较低、尺度相似的其他组织和器官造成干扰,针对这个问题,本文提出了一个改进的基于Hessian矩阵多尺度血管增强方法,通过构建血管度量函数,并结合阈值法和多尺度融合以突出目标,有效地增强血管信息,去除周围的其他相似结构和背景噪声的干扰,为后续的血管分割奠定良好的基础。二、为了解决冠状动脉CTA图像灰度不均、边界模糊的问题,提出了一个基于血管先验形状和活动窄带的变分水平集分割模型,利用活动窄带构造的局部区域项和血管增强结果构造的先验形状项驱动参数曲线的演化,有效地约束了曲线的演化形状和区域,同时对曲线的光滑度有一定的控制作用,有效地处理了血管边界泄漏的问题,提高了算法的收敛速度和精确度。三、研究和分析了三维重建的方法和实现平台,借助医学图像可视化软件实现了冠状动脉血管三维形态的绘制。通过在合成图像和临床图像上进行对比实验,验证了本文方法的有效性和优越性。本文的方法可有效地应用到冠状动脉的增强、分割和三维重建,也可望用于狭窄检测和斑块识别,对心血管疾病的早期诊断具有重要的实际价值。