冠心病是一种对人体健康危害性较大的心脏病,准确地标记CT图像中冠状动脉血管狭窄区域可以辅助医生诊断和治疗。鉴于此,提出了一种自动的冠状动脉狭窄区域检测算法,其包含中心线提取以及狭窄检测两大部分。首先在中心线提取部分,研究了基于模板删除的细化算法和基于P-简单点的细化算法,并提出了一种细化与距离场相结合的算法,该算法在模板删除算法的基础上创新性的结合了距离场算法,解决了模板删除算法的骨架断开问题。其主要步骤包括:使用模板删除细化算法得到初步骨架、寻找出骨架中断开的区域、计算断开区域的距离场、连接断开区域。在得到骨架线后,还需要将其转换为后续步骤所需的中心线。算法的重点在于如何有效的找到所有的骨架断开区域,为此设计了多种检测条件以及后续的修正方法。与模板删除的细化算法相比,细化与距离场相结合的算法可以有效的连接骨架断开区域,维持骨架的连通性。与P-简单点的细化算法相比,细化与距离场相结合的算法可以提取出与其相似的骨架。但是细化与距离场相结合的算法具有较大的时间优势,实验数据显示细化与距离场相结合的算法的平均用时为7.458秒,P-简单点算法的平均用时为38.395秒。其次在狭窄检测部分,主要是利用血管截面边界的狭窄度量公式设计出了一种狭窄区域检测算法。其主要步骤是:进行血管树分段、计算中心点的狭窄系数并确定初步的狭窄区域、去除较细血管的狭窄区域、扩展狭窄区域以及后续的去除较短的狭窄区域和连接较近的狭窄区域。算法的重点在于计算狭窄系数时如何准确的找到参考半径以及后续狭窄区域的优化处理。实验结果显示狭窄检测算法有着良好的效果,在合作公司给的数据上的检测正确率达到了80.65%,其中较为严重的狭窄区域全部被检测出来。