冠心病是冠状动脉血管发生粥样硬化病变而引起心肌缺血、缺氧所导致的心脏疾病。《中国心血管健康与疾病报告2019概要》指出,我国心血管病患病率处于持续上升阶段,心血管病患人数3.3亿,其中冠心病患者人数达到1100万。介入治疗已成为冠心病治疗的一种重要手段,目前临床上判断患者是否需要介入治疗主要依靠冠状动脉造影检查。在冠状动脉造影过程中,医生通常通过肉眼对造影影像进行分析,以判断冠状动脉是否狭窄以及狭窄的程度,从而判断是否需要介入治疗。肉眼诊断依赖医生的专业知识和工作经验,面对日益增长的冠心病患者,仅靠医生肉眼诊断无疑是压力巨大的,且容易产生误差。因此基于深度学习方法,提出新的冠状动脉狭窄诊断辅助方法是有必要的,而且是迫切的。由于深度学习的发展,学者们提出了大量计算机视觉领域的模型。计算机视觉模型能够与医疗影像数据相结合,解决医学影像诊断的问题。本文针对冠状动脉狭窄诊断问题,提出了Deep Stenosis Diagnosis Model（DSDM）算法框架,运用图像分类模型解决冠状动脉血管分类问题,采用目标检测模型解决冠状动脉狭窄位置定位问题,运用实例分割模型解决冠状动脉狭窄程度识别问题。本文通过数据的收集、预处理及数据标注,构建了冠状动脉狭窄临床诊断数据集。基于Retina Net模型和Mask R-CNN模型提出了冠状动脉狭窄程度分步诊断算法DSDM,搭建了冠状动脉狭窄诊断识别系统。实验结果证明DSDM在冠状动脉狭窄定位上获得了86.3%的定位准确率,在狭窄位置分割上获得了86%的分割准确率。基于上述算法,构建了冠状动脉狭窄程度识别诊断Web服务,为医生诊断提供辅助信息。