现代社会癌症已经成为威胁人类生命的重要疾病之一,而自适应放射治疗是治疗癌症的重要手段。在制定的放射治疗计划中,病人需要多次拍摄锥形束计算机断层扫描（Cone-Beam Computed Tomography,CBCT）或计划CT（planning Computed Tomography,pCT）,如此会造成较大的经济负担。并且,病人在拍摄CT时需要暴露在具有辐射的射线下,便会对病人造成较大的二次伤害。因此本文研究了基于循环一致生成对抗网络的CBCT合成伪CT（synthetic CT,sCT）方法,以解决这些问题。针对CBCT含有大量的伪影,无法进行图像的剂量计算问题,本文设计改进的基于循环一致生成对抗CBCT合成sCT的实验。首先,对CBCT/pCT数据集扩充,增加训练集数量;其次,在生成器中引入基于改进的跳跃连接改善模型结构,与原循环生成对抗和引入注意力门的循环生成对抗对比。前期定量实验结果和主观评价均表明:改进的循环一致生成对抗网络的效果更优;最后,本文将训练完成的头颈部模型在盆腔部位进行泛化测试,主观评价和定量实验结果表明:改善模型的鲁棒性也是更好的。为了充分利用病人扫描的多套CBCT的图像信息,本文设计了基于多套CBCT合成CT的实验。利用多套CBCT之间解剖结构信息的互补提升合成的sCT的质量。由于部分病人需要在一个疗程内拍摄6次CBCT（如:每周扫描一次CBCT,即weekly CBCT）,因此本文设计了4个模型,模型1为第1周CBCT和pCT训练而来,模型2为第1周和第2周两套CBCT和pCT训练而来,模型3为第1周到4周的四套CBCT和pCT训练得到,模型4为第1周到第6周的六套CBCT和pCT训练得到。实验结果表明利用多套CBCT训练的模型合成的sCT的质量优于单套模型（模型1）合成的sCT。