1.1 研究動機
心血管疾病為台灣十大死因之一，且近年來為十大死因中的前三名。因此有 效率的診斷心血管疾病成為十分值得研究的議題。近年來，多切面電腦斷層掃描 Multi-Detector Computed Tomography(MDCT)的快速發展，提供了非侵入式的診 斷，大大減少了心臟診斷的風險。MDCT 的作法為，讓病人注射顯影劑至血管，
再由機器拍攝。因為使用了顯影劑，因此可以幫助分辨出血液的位置與範圍並得 到更清楚明顯的影像讓醫生更準確地診斷出問題。
且 MDCT 較傳統的 Computed Tomography(CT)掃描速度更快，因此可以減少 心臟跳動的干擾，以提高準確性，但由於其精確性高的關係，使得各層影像之間
因此從鈣化與狹窄在亮度特徵上呈現兩種極端的性質，我們的做法就先利用 個 support vector machine 分類器，接著利用訓練後的分類器判斷血管是否狹窄，
而在鈣化診斷的部分，若血管的最大相對主動脈亮度超過預設值則視為鈣化。
而我們提出的第二個方法為對血管亮度範圍與半徑進行迴歸分析以自動診 斷冠狀動脈斑塊，作法上首先選取適合地最大亮度範圍計算出迴歸直線，最後利 用求得的迴歸直線決定出上界(upper bound)與下界(lower bound)，由此上下界可 以判斷出鈣化或狹窄的可能位置。針對可能為鈣化或狹窄的部分，將血管中可能 鈣化的範圍移除後，計算剩下的血管中之最大內接圓半徑資訊以便判斷該處是否 為嚴重鈣化或狹窄。
我 們 使 用 的 電 腦 斷 層 資 料 是 由 Rotterdam Coronary Artery Algorithm Evaluation Framework[1]提供，會採用此組資料是因為它提供了 48 組電腦斷層掃 描資料，其中包含了 18 組訓練集(training data)與 30 組測試集(test data)。而在 18 組訓練集中也給予每組資料對應的血管中心線座標、斑塊類型與狹窄嚴重程度，
即所謂的標準答案(ground truths)，而本論文使用此 18 組訓練集資料進行評估。
除此之外，他們亦提供一套評分標準，可以讓研究者依據這套評分標準來評估自 己演算法的好壞，並與其他人比較。另外，該網站也提供不少篇文獻供我們參考，
楚地介紹他們提供的資料的相關資訊，包括標準答案的選取、演算法的分類、以 及如何為演算法評分等等。
1.2 章節概要
在第二章中，我們會介紹其他有關自動擷取冠狀動脈樹演算法與自動檢測冠 狀動脈斑塊演算法。接著第三章中，會介紹本篇論文所提出的兩種自動化檢測冠 狀動脈斑塊的完整作法，從前處理到使用甚麼方式判斷鈣化與狹窄至標記斑塊位 置等。第四章則利用標準答案來評估我們提出的演算法與其他研究者提出的方法 之間的差異與排名。第五章總結本篇論文以及討論描述未來可以再加強的部份。