随着医学影像技术的飞速发展,图像引导放射治疗(IGRT)已成为现代医学领域中肿瘤治疗的主流手段之一。基于CBCT的IGRT技术将CBCT成像技术与放射治疗技术相结合,在治疗的同时对靶区的相关信息进行实时采集,根据得到的CBCT图像,与治疗前获得的计划CT图像配准,计算解剖组织在不同分次治疗间与同一分次治疗中的运动误差,对靶区的位置、形状以及剂量分布等的变化做出及时校正。因此,对CBCT图像进行四维重建是保证图像引导放射治疗精确进行的重要因素。由于CBCT成像采用X射线成像技术,为减少对病人的伤害,降低CBCT扫描的辐射剂量成为医学影像领域中的重点关注内容。对肿瘤进行稀疏角度扫描就是减少辐射剂量的一种有效方法,但随之带来的是稀疏角度的重建问题。近年来提出的压缩感知(CS)理论在医学领域引起广泛关注,CS理论与传统信号重构算法的性质不同,它打破了奈奎斯特定理的要求,只需要少量的数据就能精确地重建出高质量的图像,在解决稀疏角度重建问题的同时,还满足了现代医学成像的高质量和低剂量的要求。本文利用压缩感知的优点,将其与配准算法相结合,提出了一种基于形变配准的4D-CBCT图像的重建算法:R-CS算法。算法主要思想是:首先根据呼吸信号对投影数据进行十个时相的分组,对每一组数据利用ART算法进行三维重建后再与治疗前的CT图像配准重建成CBCT图像,同时对每一组数据进行基于压缩感知的全变差最小化方法的重建,然后将配准重建后的CBCT图像作为初始图像用NEATA算法进行迭代重建,得到符合要求的图像,最后将每组图像按照时相合并,输出最终的4D-CBCT图像。为了验证所提算法的有效性,本文分别进行了体模实验和临床实验。实验结果显示,在噪声严重的CBCT投影数据中,相对于传统的FDK重建算法和CS重建算法,基于R-CS重建方法能够更好地抑制图像噪声,去除伪影,实现精确重建。因此本文中提出的基于配准方法与压缩感知相结合的方法能够利用稀疏角度的投影数据精确的重建出原始图像,提高图像引导放射治疗的利用效率和放疗精度。