在放疗计划中,研究人员会对肿瘤患者的计划CT和放疗前的在线CT图像进行形变配准,以便获取肿瘤及其周围器官的运动和变形信息,改善放疗计划,从而减少因肿瘤的位置和形状变化而增加的不必要的照射范围,减少正常组织的放射损伤。上述过程中利用的的CT图像一般是由普通扫描或者增强扫描获取的。为了更清晰地观察病灶,在增强扫描中会静脉注入造影剂,获取的CT图像的血管会显示极高的HU值。在线CT通常不进行增强扫描,对应血管会显示正常值,即使进行增强扫描,也一般和计划CT的部位不一样,因此两次扫描图像中血管HU值会存在巨大差异。现有的配准方法都是基于密度一致性来进行设计,所以上述血管HU值的巨大差异,会使计划CT和在线CT图像的配准结果扭曲变形,造成错配。针对该问题,本文提出了一种带有预处理的形变配准方法。针对本文提出的配准算法,进行了详尽的对比和验证实验。在研究中首先根据CT图像组织和结构的信息,利用阈值分割的方法分割出血管,并将所有分割中最大的联通区域作为初始分割的强化血管,其次利用分割得到的强化血管区域外扩5mm,作为外扩的强化血管,并将血管用固定的HU值进行填充;最后,在图像完成填充以后,再利用Demons算法进行变形配准。研究中对没有进行预处理的计划CT和在线CT图像进行基于灰度的Demons形变配准,对已经完成预处理的计划CT和在线CT图像做同等参数的Demons形变配准,并对两种配准结果的各项数据进行对比,并采用互信息(MI)和均方误差(MSE)来评判配准结果。计划CT和在线CT图像的形变配准所采用的是直接基于灰度的算法,且形变配准采用基于自动器官勾画的算法。实验结果显示文章中提出的带有预处理的形变配准方法,可以较好的解决水溶性碘造影剂引起的CT错配问题。本研究在增强扫描CT情况下,有助于提高计划CT与在线CT配准的精确性,同时也会提高放射治疗方案的质量。