光學相干斷層掃描技術（OCT）已成為診斷冠狀動脈狹窄的關鍵技術，因其可識別影像中的斑塊及易損斑塊，所以該技術對輔助診斷冠心病具有十分重要的意義。但當前研究領域內尚缺乏對冠脈 OCT 圖像全自動、多區域、高精度的分割算法。因此本文提出了一種基于中智學理論的冠脈 OCT 圖像的多區域、全自動的分割算法，以期實現對纖維斑塊和脂質區的高精度分割。本文基于隸屬度函數重新定義了 OCT 圖像轉換至中智學領域 T 圖的方法，進而達到提高纖維斑塊的分割精度的目的。針對脂質區的分割，本算法加入同態濾波增強圖像，使用中智學將 OCT 圖像轉換至中智學領域的 I 圖，進一步使用形態學方法，實現高精度的分割。本文對 9 位患者、40 組具有典型斑塊的 OCT 圖像進行分析，并與醫生手動分割結果進行比較，實驗結果證明，本文算法避免了傳統中智學的過分割及欠分割問題，準確地分割出斑塊區域，且算法具有較好的魯棒性，因此本文工作或可有效提高醫生分割斑塊的準確率，期望可以輔助臨床醫生對冠心病的診斷與治療。
冠脈光學相干斷層成像（OCT）圖像斑塊區域分割是冠脈斑塊識別的前提和基礎，對后續斑塊特征分析及易損斑塊識別，進而實現冠脈疾病的輔助診斷分析具有十分重要的意義。本文提出了一種新的算法，使用K-means 算法與圖割算法結合，實現了冠脈 OCT 圖像斑塊準確的多區域分割——纖維化斑塊、鈣化斑塊和脂質池，并較好地保留了斑塊的邊界特征信息。本文實驗中對 20 組具有典型斑塊特征的冠脈 OCT 圖像進行了分割，通過與醫生手動分割結果比較，證明本文方法能準確地分割出斑塊區域，且算法具有較好的穩定性。研究結果證明了本文工作能夠極大減少醫生分割斑塊所消耗的時間，避免不同醫生之間的主觀差異性，或可輔助臨床醫生對冠心病的診斷與治療。
光學相干斷層成像技術（OCT）現已發展成為國內外較熱門的冠狀動脈內影像技術，其中冠脈 OCT 圖像的斑塊區域分割對易損斑塊的識別和研究有著重大意義。本文提出了一種基于 K-means 聚類與改進隨機游走的新算法，實現了對冠脈鈣化、纖維化斑塊和脂質池的半自動化分割。本文主要創新點為改進了隨機游走算法的權函數，將圖像中像素間的邊與種子點之間的距離加入到了權函數定義中，增加了弱邊界的權值，防止了過分割現象的發生。本文基于以上方法對 9 名冠狀動脈粥樣硬化患者的 OCT 圖像進行了斑塊區域分割。通過對比醫生手動分割結果，證明了本文方法具有良好的精度和魯棒性，以期本文方法可對冠心病的臨床診斷起到一定的輔助作用。
