心脑血管疾病已经成为威胁人类健康的三大疾病之首,引起世界各国的高度重视。随着计算机辅助诊断技术广泛应用于临床医学领域,国内外学者也展开了计算机技术在血管病变诊断领域的研究,主要集中在血管图像增强,血管分割与识别上,最后医生通过观察处理后的血管图像对血管的病变程度进行评价。论文的研究主要目的是实现计算机对脑血管病变程度的自动化评价。论文展开了对脑血管特征提取的分析与研究。分析了不同尺度下的Hessian矩阵的图像增强效果,并对不同的血管相似性函数进行了分析验证。通过Gabor方向滤波器提取血管方向场,并与Hessian矩阵特征值确定的方向场进行比较。论文改进了传统的基于骨架的节点识别算法,改进算法对骨架的单像素性没有严格的要求,只需满足良好的连通性即可,使得普通的细化算法,如Zhang细化算法,Hilidtch细化算法等直接生产的骨架也能满足要求,简化了开发过程。论文使用距离变换方法提取血管的直径信息,将血管直径作为脑血管病变程度评价的重要参考依据,并作为自适应Gabor方向滤波器的尺度参数和获取血管骨架唯一化的参考标准。通过对大量脑血管病变模型的研究分析,论文提出了一套较为完整的脑血管病变程度评价体系,该体系分为两类：一是脑血管病变程度评价标准,包括最小直径、窄度、变度和残缺度；二是对脑血脑病变程度评价标准性能评估的准则,包括查准率和查全率。在此基础上论文提出了基于血管骨架分解的自动化脑血管病变程度评价方法,在实验中取得了良好的效果。脑血管病变程度评价体系的建立为脑血管病变程度的自动化评价奠定了重要基础。