融合数字减影血管造影（Digital Subtraction Angiography,DSA）和血管内光学相干断层扫描（Intravascular Optical Coherence Tomography,IVOCT）技术对图像进行冠脉三维重建对心血管病的诊治和研究具有重要意义。单一模态的图像无法反映冠脉的真实树状形态或动脉壁和斑块的细微组织结构,而目前研究中两种图像的融合技术得到的冠脉三维模型准确度和自动化程度低,不利于临床辅助诊断和对血管力学行为的研究。因此,临床诊治和血管病的力学机理研究都迫切需要一种高效的、准确的冠脉三维重建方法。本论文基于目前研究的不足,根据DSA和IVOCT的成像原理,提出了一种基于导丝的冠脉三维重建方法,减少了重建过程中的误差,实现了血管模型准确高效的三维重建。本文主要研究内容包括:首先,提出了基于U-Net神经网络对IVOCT图像管壁区域分割的方法,提高了数据处理能力,实现了对临床多种复杂情况的冠脉管腔的边界快速、准确地提取;其次,提出了基于IVOCT图像中导丝的血管三维重建新方法及导丝点自动提取方法,实现了IVOCT的管腔轮廓以基于导丝中心点的方式与三维导丝的真实路径匹配,避免了采用近似路径带来的重建误差;再次,针对细化后的血管中心线在分叉处产生的畸变,提出了对局部畸变消除后再拟合插值法,实现了造影骨架中分叉处畸变的快速矫正,提高了三维血管中心线的重建精度;最后,提出了基于导丝的双矢量定向的方法,解决了管腔轮廓插入到三维平面时的定向问题,使各帧的定向相互独立,避免了误差积累。并且采用隐式曲面对管腔重建,获得了三维冠脉模型。利用临床DSA和IVOCT图像成功重建出了人体三维冠脉模型,表明该方法可以同时将血管弯曲形态及管腔细节有效的重建出来。本文建立的基于导丝的DSA和IVOCT冠脉三维重建方法,消除了血管中心线与IVOCT回撤路径不一致造成的误差,提高了冠脉重建准确度,推动了血管三维重建方法和技术的发展。该方法交互界面友好,将为根据临床图像建立特定于患者的血管模型提供有效途径,为临床图像分析及血管病诊治提供重要工具。