动脉粥样硬化引起的易损斑块破裂已经严重危害到人类的健康，而血管内光学相干断层成像（IVOCT）凭借其高分辨率已经成为识别冠脉易损斑块的主要工具，但图像判读费时费力，通常还依赖于医生的经验。目前已有基于传统机器学习的研究实现了对单帧图像的分类，但这些信息不足以辅助医生确定治疗方案，仍然需要医生二次判读。基于Faster R-CNN（R-CNN，区域卷积神经网络），针对IVOCT图像中易损斑块的特点，在数据增强、预测框（BBox）编码、网络结构等方面进行了改进和优化，实现了对易损斑块的自动识别，并选取易损斑块的病变累积角度、纤维帽厚度、巨噬细胞浸润情况、浅表微钙化情况和血管狭窄程度作为指标，对易损斑块的破裂风险进行多方面评估。在公开数据集CCCV2017 IVOCT中进行训练，测试后取得了较好结果，该方法可推广应用于同类图像。

血管内超声（IVUS）和血管内光学相干层析(OCT)成像均属无损医学成像技术，常用于人体冠状动脉中薄纤维帽脂质斑块(TCFA）的检查。其中IVUS的探测深度大，能够较为精确地测定TCFA的脂质核心大小，但由于分辨率较低，无法测量TCFA的纤维帽厚度；而OCT分辨率很高，可以精确测量TCFA的纤维帽厚度，但探测深度浅，无法描述脂质核心的全貌。IVUS与血管内OCT相结合，一次检查即可同时获得血管内壁的超声与OCT图像，实现对血管内血栓与斑块的精准诊断。通过设计IVUS和OCT微型集成探头及近端驱动，实现了一套可同时对血管内壁进行IVUS和OCT成像的系统，对血管组织检测深度达到8 mm，横向分辨率优于1 mm，轴向分辨率优于400 μm，同时在1 mm范围内横向分辨率优于10 μm，轴向分辨率优于8 mm。对琼脂和铁丝等搭建的血管模型样品进行了成像实验，验证了系统的可行性。

易损斑块是引起心肌梗塞的主要原因。准确诊断易损斑块可以帮助医护人员优化心血管疾病治疗方案，减小心肌梗塞致死率。血管内多模态成像技术通过结合两种或两种以上成像模态的优势，可以对动脉粥样硬化斑块进行定性定量分析，提高识别易损斑块的准确性。综述了目前国际上最先进的五种多模态血管内成像技术，详细介绍了血管内超声-光学相干层析、光学相干层析-荧光、光学相干层析-光谱仪、血管内光声-超声和光学相干层析-弹性多模态成像技术的发展过程和技术难点，并展望了未来研究趋势。

急性心脑血管疾病是人类健康的头号杀手, 将光声成像与医学内窥技术相结合的血管内光声(IVPA)成像技术有望为心脑血管内易损斑块的检测以及指导介入治疗提供更可靠的参考指标。目前对IVPA 成像的研究尚处于起步阶段, 对其图像重建的研究也主要是借鉴其它比较成熟的成像技术的重建理论。本文在介绍IVPA 成像原理的基础上, 指出在重建IVPA 图像中亟待解决的两个问题, 并对目前可以应用到IVPA 图像重建中的主流算法进行介绍和分析。

为克服手工判别动脉粥样硬化易损斑块耗时耗力、主观性强、重复性差等缺点，研究了基于血管内超声自动识别易损斑块的方法。首先将Contourlet变换与Snake模型相结合进行斑块的图像分割，提取内腔轮廓与外弹力膜。接着实现经典形态特征的计算机自动提取，并提取纹理、弹性两类新特征以量化斑块属性，其中纹理特征包括一阶统计量和灰度共生矩阵特征，弹性特征的提取则基于非刚性图像配准。最后设计Fisher线性判别、支撑向量机、广义相关学习矢量量化3种分类器进行分类判决。对124例斑块(36例易损，88例非易损)的实验结果表明: 20个形态特征、24个纹理特征和6个弹性特征在两类斑块间存在显著性差异(P<0.05); 采用三类特征由支撑向量机进行分类时效果最好，在测试集上敏感性、特异性、准确率和约登指数分别达到91.7%、97.7%、96.7%和89.4%，表明利用血管内超声图像中斑块的三类特征能自动、准确地识别易损斑块。