目的:分析人工智能(artificial intelligence, AI)对冠状动脉CT血管成像(coronary CT angiography, CCTA)图像后处理和诊断冠心病的应用价值。方法:回顾性分析2020年1月至2022年1月40例同时行CCTA和经皮冠状动脉造影(cor购买AMG510onary arteriography, CAG)患者的影像学资料。图像后处理及诊断分为人工组和AI组，比较两种方法后处理用时和图像质量主客观评分及评估冠状动脉斑块性质的差异。以CAG结果为金标准，以血管为单位，比较两种方法诊断冠状动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率的差异，并采用Kappa检验评价其结果的一致性。结果:AI组后处理及诊断用时为(236.57±20.66)s,较人工组[(789.74±63.38)s]缩短了约70.04%(P<0.05);两种方法得到的图像质量主客观评分差异均无统计学意义(均P>0.05)。AI组检测斑块总准确率为96.32%(131/136)。人工组与AI组对冠状BMS-907351分子式动脉钙化斑块、非钙化斑块及混合性斑块检出差异无统计学意义(P>0.05),且一致性较好(Kappa=0.901,P<0.001)。以血管为单位，AI组诊断冠状动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率分别为87.72%(50/57)、94.12%(48/51)、94.34%(50/53)、87.27%(50/53)和90.74%(98/108),与CAG诊断冠状动脉狭major hepatic resection窄一致性较好(Kappa=0.815,P<0.001)。结论:AI在CCTA图像后处理效率、斑块性质识别及冠脉狭窄诊断方面具有一定的优势，可作为分析诊断CCTA的有效辅助工具。