胸主动脉腔内修复术(Thoracic endovascular aortic repair,TEVAR)通过植入支架的微创方式,已经成为治疗胸主动脉疾病的可靠手段。然而,在手术过程中,医生无法从术中X射线图像上获得清晰地主动脉形态和位置,而术前采集的主动脉血管造影(Computed Tomographic Angiography,CTA)数据可以很好地重现主动脉病变部位。因此,配准术前CTA图像与术中X射线图,将术前清晰地血管结构覆盖到术中X射线图像上,可以为支架植入提供图像导航,提高手术的安全性与成功率。本文基于此背景,提出并实现了一种基于叠加数字重建影像(Digitally Reconstructed Radiograph,DRR)库的TEVAR术前CTA图像与术中X线透视图像配准算法。具体工作内容和创新点包括:(1)配准首先需将3DCTA投影生成二维DRR图像,然后进行X射线图像与DRR图像在同一维度上的配准。因此,3D CTA的数字影像重建及对X射线图像和DRR图像相似性测度的优化搜索是配准中的两个关键步骤。(2)针对3D体数据投影生成二维图像十分耗时这一情况,提出一种基于叠加DRR库的术前CTA与术中X线透视图像配准算法。首先,对造成术中X射线透视图像形状变化的投影参数进行高密度采样,利用采样获得的系列投影形变,对CT全图和分割的CT骨结构图进行DRR生成,并叠加投影结果,生成叠加DRR图库;然后,在叠加DRR库中搜索与X线图像相似性测度最大的DRR图像,推算出最终的空间变换参数,完成CTA与X线图像的配准。叠加DRR库方法避免了投影生成二维图像这一操作,平均耗时3.58秒,配准效率得到提升。(3)针对相似性测度的优化搜索,提出一种改进的爬山优化策略。结合术中C臂机的实际临床操作规律,对造成术中X射线图像形状变化最为明显的投影角度进行全范围等间隔采样,其中间隔距离即为爬山算法的初始优化步长,从而在一定程度上避免了相似性测度陷入局部极值的错误配准情况。本文在真实病人数据上的实验结果表明,我们的方法相较于传统算法实现了更高的效率,得到了良好的配准效果。