在肺部放射治疗过程中,可通过直线加速器集成的kV级X射线成像系统,直接跟踪靶区目标由呼吸引起的运动。传统目标定位过程基于模板匹配算法,已经实现临床需求精度。但是其遍历式搜索的方式使得计算复杂度增大,导致其耗时较长,难以实现实时目标定位。而且单X射线成像系统难以准确估计目标的三维位置。近年来,借力于深度学习的快速发展,计算机视觉领域中的目标检测框架（例如Faster R-CNN与YoloV3）在自然图像中定位目标的精度与速度都取得显著突破。但是尚未有目标检测框架在肺部目标的X射线影像中的应用研究。本研究基于临床使用直线加速器（Linac）广泛具备的kV-MV结合X射线成像硬件系统,借助先进计算机视觉算法,意图探索在VMAT放射治疗分次内,实现无标记物品肺部目标实时跟踪的可能性。研究中使用标准呼吸运动模体,初步验证Faster R-CNN在简单环境中,应用于肺部目标实时跟踪的可行性。实验使用3组骨组织遮挡困难样本比例（IndexB）不同的25,000个模拟训练样本,对Faster R-CNN进行充分训练。结果显示对于直径12mm,18mm,27mm的球形目标,头脚（I-S）方向的定位均方根误差（RMSE）分别为0.92mm,0.85mm以及0.43mm。从图像输入到输出定位结果端对端耗时220ms（～4.5Hz）相对传统方法减少5倍。实验结果初步显示Faster R-CNN具有可行性。但是其有一定几率错误地定位到背景目标,增大IndexB可减小此情况发生概率。进一步研究使用解剖结构复杂的3D打印模体,验证网络结果得到优化的YoloV3框架在复杂环境中,应用于肺部目标实时跟踪的可行性。实验增大模拟训练样本量到近十万。结果中其对右肺中叶目标,定位位置相对手工标注位置偏差的二维拟合高斯分布为μu=0.58mm,μv=-0.35mm;σu=1.7mm,σu=2.4mm。其对右肺上叶目标,相同类型结果为μu=0.74mm,μv=-1.32mm;σu=1.9mm,σu=1.47mm。与此二维定位偏差分布对应的三维位置估计误差平均为1.22mm。同时YoloV3几乎杜绝错误定位情况。端对端耗时不超过60ms（～16.7Hz）相对传统方法减少15倍。上述验证实验结果指明,计算机视觉中目标检测算法在肺部目标实时跟踪应用中,保证精度水平不下降的前提下,可以提高检测速度,具备一定应用价值,应进一步得到探究与优化。