放射治疗是治疗肿瘤的三大有效手段之一,其治疗效果取决于两个方面:一是保证充分的靶区受照剂量,二是减少正常组织受照剂量。放疗技术也正是以此为目标向前发展,从三维适形放疗(three dimensional conformal radiotherapy,3D-CRT)到调强放疗(intensity-modulated radiotherapy,IMRT),再到图像引导放疗(image-guided radiotherapy,IGRT)以及自适应放疗(adaptive radiotherapy,ART)。具体而言,3D-CRT实现射野与靶区在形状上的一致,IMRT在此基础上实现剂量适形,而IGRT利用治疗中(in-room)影像校正了每治疗分次的摆位误差。但是,由于治疗效应和正常生理过程的影响,某些感兴趣区域(region of interest,ROI)的位置、形状和体积在治疗期间会发生变化,进而可能导致肿瘤欠照射或危及器官(organ at risk,OAR)过照射。ART通过重新设计或调整计划来适应当前的解剖结构情况,是解决上述问题的一种有效手段。作为ART中的关键技术之一,图像变形配准(deformable image registration,DIR)算法关联着计划图像和in-room图像,关联的准确程度决定了 ART的有效性和可靠性。因此验证DIR的精度是非常必要的。本文以此为出发点开展了一系列相关研究。本文首先回顾并实现四类(十种)代表性的基于图像灰度的DIR算法。这四类算法分别是光流场类(HS,HSLK和FFD)、demons类(OD,MD,SFD,DFD和DISC)、水平集类(LS)和样条类(BSpline),其中DISC是在图像处理单元(graphic processing unit,GPU)上实现,其他 DIR 算法均用 Matlab 实现。针对关于多模态图像验证DIR算法精度的研究相对缺乏的问题,本文回溯性地采集21例鼻咽癌患者的CT和CBCT图像,由经验丰富的医生勾画双侧腮腺、双侧颌下腺、颈椎椎体和椎孔四种ROI。然后利用所实现的DIR算法将CT图像上的ROI轮廓线推衍到CBCT图像上,并与医生勾画的真实轮廓线进行比较,以此评估其在ROI轮廓线推衍方面的精度和性能差异。结果表明,所有DIR算法的表现并不一定好于刚性配准。一般来说,DIR算法在刚性结构上的表现要比其在软组织上的表现出色,且DIR精度还随ROI的不同而变化。另外,算法的表现还与ROI的形变程度(时间推移)相关。针对目前体模验证研究中体模复杂度缺乏的问题,本文以真实患者的腹部CT影像为参考,设计并制备一种高仿真的物理体模。该体模包含肝、肾、脾、胃和脊椎等多种仿真结构,这些结构具有与真实解剖结构相似的体积、形状、CT值以及空间位置。另外,体模还包含195个标记点(直径为1～2 mm的金属球),均匀分布于各仿真器官的内部、表面以及器官间区域,标记点在变形前后的位置变化被作为精度验证的标准。体模验证结果表明,绝大多数DIR算法能显著改善刚性配准的精度,其表现与图像对比度及ROI性质(体积、形状等)等因素有关。尽管器官表面的DIR精度在总体上要显著高于器官内部的DIR精度,但对于同一实质器官而言,表面与内部之间一般不存在显著的精度差异。本文在DIR算法验证方面取得了一些初步成果,但在某些细节上仍有待进一步的研究,比如各DIR算法实现过程中参数优化问题、临床数据验证中勾画误差量化问题以及物理体模验证中基准标记点分布问题等等。此外,根据验证结果来改进现有DIR算法将会是我们未来的研究方向。例如,本研究表明算法精度与ROI的对比度有关,据此我们可人为提高原图像中某些ROI的对比度,将局部对比度增强后的图像的配准结果作为先验信息或约束条件加入到原图像的配准中,从而提高原图像的配准精度。