腹主动脉瘤作为一种常见的退行性血管疾病，一直是严重威胁人类健康的重要原因。近年来，腔内修复术作为一种微创血管介入手术已经逐渐成为腹主动脉瘤的主要治疗方式。但是，随着介入手术需求的迅速增长，手术医师短缺的问题日益严峻。针对这一问题，开发具有自主导航功能的血管介入手术机器人是一个有效的解决方案，其可以将手术医师从介入手术中解放出来。该方案的核心难点在于血管介入手术机器人需要具备手术医师一样的视觉感知能力，具体来说，就是从术中数字减影血管造影（Digital Subtraction Angiography，DSA）和X射线影像中获取实施介入手术所需关键信息的能力。本文在国家自然基金重点项目“血管微创介入手术机器人的基础问题研究”（61533016）等项目的支持下，针对血管介入手术机器人自主导航中的视觉感知这一研究目标，结合手术医师实施介入手术的临床及技术需求，围绕以下四个具体研究内容展开研究：（1）基于DSA影像的腹主动脉瘤形态学分析；（2）基于X射线影像的多器械分割；（3）基于X射线影像的线状器械端点定位和方向检测；（4）基于术中影像的通用分割。本文的主要贡献和创新点如下：

（1）针对基于DSA影像的腹主动脉瘤形态学分析任务，本文提出了一种基于两阶段框架的算法解决方案。其中，第一阶段提出了双分支边界感知网络以实现腹主动脉瘤分割，第二阶段提出了形态学测量算法以实现腹主动脉瘤尺寸测量。在该算法模型中，第一，通过设计边界定位分支，独立对动脉瘤边界进行监督，以提高边界像素的分割精度。第二，在掩码预测分支中，通过设计特征聚合模块来解决动脉瘤几何结构不规则的问题。同时，提出了特征选择模块来消除跳跃连接中不相关的响应和噪声，以进一步提高动脉瘤内部的分割精度。第三，设计了融合模块来加强边界定位分支和掩码预测分支之间的联系。此外，建立了一个腹主动脉瘤的形态学分析数据集。实验结果表明，该算法解决方案能够获得优异的腹主动脉瘤形态学分析性能。

（2）针对基于X射线影像的多器械分割任务，本文提出了一种基于多任务学习框架的深度特征精炼算法。在该算法模型中，第一，设计的特征精炼模块不仅可以捕获跨通道的特征信息，还能够捕获具有方向感知和位置敏感的特征信息，这有助于模型识别我们关注的前景对象。第二，设计的通道校准模块能够重新校准多尺度特征融合的权重，这有助于模型平衡语义信息和细节轮廓信息的重要性。第三，设计的连通性损失函数通过构造连通图，对模型预测的掩码进行连通性的深度监督，有效地改善了导管和导丝分割结果中出现局部断裂的情况。此外，建立了一个多器械的分割数据集。实验结果表明，该算法解决方案能够同时兼顾分割准确性及实时性需求。

（3）针对基于X射线影像的线状器械端点定位和方向检测任务，本文提出了一种基于两阶段框架的算法解决方案。其中，第一阶段提出了深度特征聚合网络以实现线状器械分割，第二阶段提出了位置分析算法以实现线状器械端点定位和方向检测。在该算法模型中，第一，设计的特征注意力模块能够使模型学习选择更具辨别力的特征，以实现准确且稳健的线状器械分割。第二，设计的边界增强模块通过提取低层级的细节轮廓信息，以增强边界的特征表示。第三，提出了支持GPU加速的位置分析算法，能够实时地获取线状器械端点坐标和偏转角度。此外，建立了一个线状器械的端点定位及方向检测数据库。实验结果表明，该算法解决方案能够在确保端点定位及方向检测准确率的同时，进一步提高框架的推理速度，满足手术医师的实时性需求。

（4）针对基于术中影像的通用分割任务，本文提出了一种基于Transformer和卷积神经网络（Convolutional Neural Network，CNN）混合编码的通用分割算法。在该算法模型中，第一，设计了由Shuffle Transformer和ResNet-50组成的混合编码器，该编码器不仅能够通过序列化编码的方式获得全局的上下文信息，而且能够保留精细的局部细节信息。第二，设计的Transformer和CNN融合模块能够消除Transformer分支特征和CNN分支特征之间的语义差异，从而有效地提高局部特征的全局感知能力，并增强全局表示的局部细节。第三，设计了多尺度特征融合的解码器，能够有效地提高模型对不同尺度目标的细节特征描述能力。实验结果表明，该算法解决方案能够在DSA影像和X射线影像的数据集上都获得优异的分割性能。