心血管疾病已成为全球人口死亡主要原因之一,严重影响着人类健康和社会发展。有效的预防、检测及治疗可显著地降低心血管疾病的死亡率。而血管内光学相干断层扫描技术（Intravascular Optical Coherence Tomography,IVOCT）作为现今前沿的血管成像技术之一,由于相比于其他成像技术,对血管组织的成像具有分辨率高等特点,从而在临床中得到广泛应用。然而,在成像过程中牵引探头的导丝具有高反射性,从而产生了导丝伪影。去除导丝伪影可以改善IVOCT的影像质量,一方面它可以辅助医生提高诊断水平,降低误诊及漏诊率。另一方面对计算机辅助医生进行IVCOT诊断具有积极作用。针对IVOCT图像结构信息复杂以及伪影区域占比大的困难,本文提出了一种基于Transformer的结构强化IVOCT导丝伪影去除方法（Structure-enhanced Transformer Fusion,SETF）。SETF的生成器关注序列上下文信息且针对IVOCT的管壁结构进行了强化设计。首先,为关联上下帧特征强化待复原区域的语义描述,SETF关注时空/域的Transformer模块,用于捕获IVOCT序列中上下文信息以及结构/纹理信息的关联性。其次,在原始（Original,ORI）图像主干生成网络的基础上,SETF并联了的结构（Relative Total Variation,RTV）强化生成网络来完成RTV图像的重建,以获取图像结构信息。最后,SETF的结构特征融合模块利用软融合将RTV重建得到的结构特征融入ORI主干生成网络的解码阶段,配合判别器完成导丝伪影区域的图像重建。通过实验表明,采用本文提出的SETF对导丝伪影去除效果良好,并且在IVOCT易损斑块分割及管腔轮廓线提取任务上也起到了积极作用。除了导丝伪影去除任务以外,斑块识别便是计算机辅助IVOCT诊断研究另一个难题。易损斑块是临床医生诊断心血管疾病的重要衡量因素之一,在IVOCT的检查过程中,易损斑块的实时识别有助于指导临床医生对IVOCT影像的有效采集,并实现对重点可疑病灶区域进行更加精细化的数据采集。然而易损斑块尺度分布比较广,为了以较高准确性实现多尺度的易损斑块实时识别,本文对现今的检测方法进行了分析和对比。一方面,SSD虽然可以实现有较快的多尺度检测,然而检测准确性有限,尤其对于小目标检测效果更为不佳。另一方面,Swin Transformer在计算机视觉领域,可以捕获远程信息并获得不同尺度的特征。因此,本文提出一种新颖的IVOCT易损斑块实时检测模型TRIPLE-SD。在此模型中,首先通过Swin Transformer移位窗口的多头注意力获取基于patch的不同尺度特征。其次,通过模块间的跳跃连接实现多阶段、不同尺度的特征融合。实验结果表显示,TRIPLE-SD不仅提高了易损斑块识别的准确性,同时也大幅度提升了识别的速度。