CT血管造影图像(CT angiography，CTA)已成为心血管疾病筛查、诊断和治疗的重要依据，从图像中分割提取出冠状动脉对于形象展示冠脉解剖结构、分析评估血流情况和疾病精准诊断有重要意义。针对CTA图像特点，该文提出了一种只需少量标记数据的半监督深度学习方法进行冠脉分割。由于不同层面图像中冠脉血管直径大小不一，该文构建了包含编解码模块的多尺度网络来有效分割不同尺寸冠脉，其中，编码模块中加入跳跃连接以获取更丰富的特征信息，而解码阶段加入密集连接模块来避免网络过深产生的梯度消失。在测试时，首先，使用卷积神经网络识别包含冠脉的切片，然后，在筛选出的包含冠脉切片中使用前述训练网络进行冠脉分割，以进一步减少由于半监督学习中标记过少而产生的过拟合现象。实验使用了28个心脏病病人的CTA数据，冠脉三维结构分割结果的灵敏度、特异性、准确率、阳性预测值、阴性预测值与Dice系数分别为86.86％，99.79％，99.99％，66.12％，99.99％，0.721 6，优于其他对比方法，证明该文提出的多尺度特征分解网络能够有效完成冠状动脉分割任务。