通过对肺内气体含量的空间分布进行定量显示,建立肺的通气模型,对肺癌的图像引导放射治疗具有重大意义和研究价值。肺器官的通气过程是肺内气体含量变化的过程,也是肺组织因气体含量变化产生形变运动的过程。图像配准技术能够通过建立图像间的空间对应实现对肺部呼吸运动形变的估计。因此,建立肺的通气模型关键在于图像配准。然而,由于肺器官是典型的运动器官,在呼吸过程中会发生复杂的、不同形式的形变,导致肺部图像配准十分困难。目前,虽然有很多的医学图像配准方法被开发出来,然而常见医学图像配准方法在应用到肺部图像时仍达不到理想的配准效果。因此,肺部图像配准依然是一个具有挑战性且亟需解决的难题。本文针对肺部三维CT（Computed Tomography）图像,从肺部结构特征和呼吸运动特点出发,研究非刚性配准算法,并在配准的基础上对肺的通气功能情况进行建模,主要的研究工作概括如下:（1）提出了一种基于自适应非均匀B样条的肺部CT图像配准方法。首先,以肺部生理结构特点为先验,结合曲率对肺器官网格进行空间自适应稀疏性划分,构建了非均匀B样条形变模型。然后,设计平滑正则项和全变差正则项空间加权的形变场约束,结合数据保真约束建立图像配准的相似性测度。最后,在多尺度图像配准框架下,实现非均匀B样条从粗糙到精细的配准。在此基础上,对肺器官通气分布进行建模,通过实验验证了所提方法的优越性。（2）提出了一种基于生成对抗网络的无监督配准方法。基于编码器-解码器架构的配准网络创建生成器,基于U-net卷积神经网络架构的判别网络创建判别器,构建了一种生成对抗网络配准模型。通过判别网络输出的概率值的大小来判断图像对之间的匹配程度,不需要针对不同的配准问题设置特定的相似性测度,有效避免了因相似性测度选择不当而产生的配准误差,是一种更加通用的医学图像配准框架。实验结果表明,该方法的配准精度优于其他常用的深度学习方法,基于所提配准方法创建的肺通气空间分布图整体与正常肺组织生理学特点吻合。（3）对肺部图像配准及通气建模系统进行了设计和实现。系统主要包括多视角图像显示、图像配准、配准结果评估和通气建模四大功能模块。系统支持对不同的非刚性医学图像配准方法进行选择,包括本文提出的基于自适应非均匀B样条的配准方法、基于生成对抗网络的配准方法和其他常用的医学图像配准方法。此外,系统的功能还包括对肺部三维图像的多视角显示和肺通气空间分布显示,以及对配准结果进行不同形式的评估。