据调查,缺血性心脏病以及中风的死亡率居全球范围内疾病死亡率的第一名和第二名,是中老年人死亡的主要原因。随着我国经济的发展,我国心血管疾病患病人数持续增加,患病率和死亡率处于快速上升阶段。随着医学影像技术的发展,医生可以通过患者影像初步分析诊断心血管疾病情况。其中,CTA（Computed Tomography Angiography）成像技术因其成像设备的普及性、成像分辨率高、非侵入性、操作简单、费用低等特征已逐步成为冠心病诊断的主力军。本文选用患者CTA图像作为研究对象,对冠脉血管提取以及管腔内钙化斑块标注算法进行研究,并实现其三维可视化。本文主要研究内容如下:1.在冠脉血管提取的研究中,本文提出了一种基于特征融合的改进MOSSE（Minimun Output Sum of Squared Error filter）追踪新算法。该算法通过融合血管的几何特征及相似特征进行血管定位,再利用MOSSE方法进行追踪,解决了传统MOSSE方法半自动、追踪目标单一,无法追踪形态变化剧烈目标的问题,实现了冠脉血管的全自动、高效追踪。分析实验数据可知,本文算法在冠脉血管提取中精度可达94.3%,并与其他追踪方法做对比,证明了本文算法的优势。2.在血管管腔内钙化斑块的标注识别任务中,本文提出了一种基于注意力机制和多尺度信息融合的DSE-U-Net（U-Net with Squeeze-and-Excitation and Semantic-Embedding module,U-Net with Double SE module）网络模型,增强了卷积特征通道之间的依赖关系,还增加了多尺度的信息融合,改善了传统U-Net网络中过分割及标注精度低的问题,实现了管腔内钙化斑块的全自动标注。从Dice系数与Miou值入手,评估本文的DSE-U-Net模型与传统的U-Net模型性能,证明了本文模型的有效性。3.本文分析现有的三维可视化方法,体绘制法（Volume Rendering）和面绘制法（Surface Rendering）,并利用三维可视化工具库vtk结合面绘制法中MC（Marching cubes）算法实现冠脉血管的三维可视化及管腔内钙化斑块的全自动标注,以更直观辅助医生诊断治疗。