随着社会生活水平的提高和工作节奏的加快,心脑血管疾病已经成为威胁人类健康和长寿的头号杀手。我国每年死于心脑血管疾病近300万人,占我国每年总死亡病因的51%。动脉粥样硬化是导致一系列心脑血管疾病的基础,其引起的冠状动脉粥样硬化性心脏病是对人类构成威胁最大的疾病。因此冠心病的检查和诊断方法显得尤为重要。本文针对冠心病的诊断,采用高分辨率的光学相干断层成像(OCT)技术,主要研究工作分为两大部分:第一,研究OCT冠状动脉血管内膜分割提取。由于传统的CV模型存在图像弱边缘处产生过分割的缺点,本文提出了一种改进的CV模型分割算法,引入图像局部信息,控制演化曲线在边缘处的收敛速度,解决了模糊图像的分割问题。另外对于图像存在的失真问题,在改进CV模型上引入形态学滤波方法,减小了失真带来的误差。第二,研究血管斑块的自动识别。将OCT图像划分为25×25大小的纹理图像,利用局部特征信息进行分析,根据斑块类型特点手动分类,设计卷积神经网络(CNN)进行特征提取,实现了待测图像纤维斑块的自动识别。本文使用北京协和医院OCT图像实现了相关算法,实验结果验证了改进CV模型能更好地分割边界模糊图像,证明了本文工作可以实现对纤维斑块的自动识别,其结果能够辅助临床医生对冠心病的诊断与治疗。