冠心病是威胁人类健康的首要疾病之一,且发病死亡率较高,准确、有效地诊断和治疗冠心病是医学研究的热点,也是人类迫切需要解决的问题。针对临床基于冠脉狭窄诊断冠心病的局限性,有研究开始使用动态计算机断层扫描(CT,Computed Tomography)技术,通过连续扫描负荷状态下心脏对造影剂的代谢过程,从而分析心肌功能。由于灌注成像的技术要求,本文旨在探索一个可行的灌注图像分析流程和准确、全面的分析模型来辅助冠心病的诊断、治疗和预后。本文首先介绍了心脏动态CT灌注成像的原理,总结了动态灌注图像分析的主要方法及参数指标,并且对机器学习方法运用在心脏动态CT灌注图像分析的可行性进行介绍。在临床数据没有金标准的情况下,构建心脏动态CT灌注仿真数据进行一系列算法的验证。本文使用人工标记的各心脏解剖结构图谱构建心脏数字仿体,基于去卷积模型构建动态CT灌注模型,在此基础上,编写了基于MATLAB的自动化心脏动态CT灌注仿真及分析软件。对于仿真数据,在噪声情况下,首先使用L-曲线选取Tikhonov正则化参数的奇异值分解去卷积方法对CT灌注模型求解,计算结果与仿真参数无统计差异(p<0.05);其次使用逻辑回归、神经网络、随机森林和支持向量机等机器学习方法对正常和异常灌注图像特征进行分类,其中随机森林分类效果最好,其准确率为93.8%、受试者工作特征曲线下面积为0.971。在临床数据处理中设计了分割、配准和分析的三步流程实现了自动化的CT灌注图像分析。在分割阶段,针对灌注图像某些时期边界难以界定,首先使用基于U-net网络和多图谱联合的方法分割左心室,再使用基于聚类和多图谱联合的方法分割左心室心腔和心肌;在配准阶段,针对心脏具有弹性变换的特点,采用全局和局部变换的两步配准步骤配准左心室心肌;在分析阶段,针对采样点稀疏和图像噪声,提取分割左心室心腔和心肌图像的信息后,首先对采样点插值拟合,再使用奇异值分解去卷积方法对灌注模型求解。