世界对癌症的治疗采用放射治疗的方法,同时通过化疗等方法进行辅助性治疗。在进行放射治疗前,物理师需要制定一个靶区照射范围的计划,其中靶区的勾画是在CT图像上进行的,然而CT图像对软组织成像并不明显,以至于勾画靶区时并不准确。相对CT图像而言,MR图像有更丰富的软组织信息,能够区分靶区周边的正常组织。为了能够更加准确的勾画出靶区的范围,通常以CT图像作为参考,MR图像按照一定的空间变换关系变换到与CT图像在同一坐标点处(即图像配准过程),然后将变换后的MR图像融合到CT图像中,弥补CT图像在软组织成像上的不足。大多数配准都需要人工参与选择感兴趣区域,这在一定程度上增加物理师的工作量,同时人工选择感兴趣区域,会导致勾画区域大小的随意性,从而影响配准结果,增加配准时间。本文以鼻咽癌患者的CT和MR图像作为实验数据,通过不同策略来解决CT和MR图像三维配准时存在的上述问题,主要研究内容包括:(1)在二维切片上进行分割,并将该切片上分割得到的轮廓区域作为相邻切片的初始区域,继续进行分割直到完成整个三维体数据的分割;(2)对CT和MR图像进行多次下采样,获得多级分辨率图像;(3)从低分辨率的CT和MR图像中获取对应的轮廓特征,并对轮廓特征进行表面匹配,根据匹配误差计算固定图像与匹配后浮动图像的重叠区域,以此来自动提取感兴趣区域;(4)使用低分辨率图像进行表面匹配,利用匹配获得的变换参数对高分辨率图像进行空间变换,同时将匹配获取的空间映射关系作为低分辨率图像基于互信息的刚性配准的初始位置,非刚性配准的初始位置是以刚性配准获得的空间映射关系为基准,进行配准并获得最终结果。本文采用10组MR数据对分割算法进行评估,通过对比,可以看出本文所提分割方法的DICE系数和PM系数大多高于Level Set算法,其分割结果与医生所勾画的金标准比较吻合。采用50组CT和MR数据对配准算法进行评估,通过实验对比,本文所提配准方法在配准效果上优于Maes的互信息方法,并且在一定程度上减少配准耗时。