目的:研究探讨基于深度残差网络(ResNet)的冠状动脉CT血管造影(CTA)图像斑块的识别算法。方法:结合深度学习在图像识别中的优势,提出一种基于深度ResNet的冠状动脉斑块识别算法。选择三种不同深度的ResNet,卷积层数分别为18层、50层和152层,对来自100例患者的6000幅曲面重建(CPR)图像进行识别,最终选择出最适合冠状动脉斑块分析的ResNet深度,并用最佳网络深度辅助两名放射科诊断医师进行诊断,分析在实际临床应用中对斑块识别带来的影响。结果:不同网络深度的ResNet神经网络均能对冠状动脉斑块进行识别,其中ResNet-50的灵敏度最高为50.70%,ResNet-152的准确率和特异度最高,分别为86.28%和96.71%。选择ResNet-50网络辅助两名放射科诊断医师诊断准确率分别提升了10.91%和12.35%。结论:经过训练的ResNet神经网络可以有效对冠状动脉斑块进行识别,在适宜网络深度的ResNet的辅助下可以有效缩短放射科诊断医师的诊断时间,并且在保证特异性的同时提高诊断的准确性和灵敏度。