本文重点研究了放疗感兴趣区域的分割和可视化。为了减轻医生手动勾画感兴趣区域的繁重劳动,提出了半自动和自动分割两种解决方法。半自动方法:手动合并分水岭分割结果中的过分割块,继而标识出感兴趣区域。在分水岭算法的预处理阶段,比较了多种滤波和梯度生成算法,确定用强滤波器滤波,用形态学多尺度梯度算法生成梯度图。接下来,实现了一种快速的基于链码的分水岭算法;改进了传统的基于浸没模型的分水岭算法,在运算时间几乎没有影响的情况下,大大抑制了过分割。针对分割结果中依然存在过分割,比较了3种合并准则,得出使用灰度、面积准则的结论。自动方法: SOM和上下文相关两种神经网络相结合以分割图像,然后使用若干判定准则,标识出腹部感兴趣区域。为了增强效果,介绍了放疗感兴趣区域的可视化。运用轮廓线表面重建方法构建出三维感兴趣区域,帮助医生直观地观察人体内部病灶及组织器官的形态、位置和尺寸。实现了CT模拟技术的两个重要应用:数字重建射线图像和射野方向观视。为了增强BEV的效果,提出了通过图像融合,把放疗感兴趣区域的三维图像融入到DRR中,得到了具有立体效果的BEV图。