放射治疗是恶性肿瘤的重要治疗手段之一,有超过70%的恶性肿瘤患者需要接受放射治疗。放射治疗的基本目标是实现放射治疗增益比的最大化,即最大限度地将放射线剂量集中到靶区(Target Volume, TV)内,在杀灭肿瘤细胞的同时,保护周围正常组织(Normal Tissue)和危及器官(Organs At Risk, OARs)少受或免受不必要的照射。图像分割和图像配准是目前放射治疗领域的关键技术。首先,靶区以及OARs的分割(勾画)直接影响到放射治疗的精确度;其次,在图像引导放射治疗(Image Guided Radiation Therapy, IGRT)的临床应用中,需要对计划CT图像和当前的CT或CBCT图像进行配准,得到病人体位的变化,以修正病人的摆位误差。在自适应放射治疗中(Adaptive Radiation Therapy, ART)中,对靶区和OARs的轮廓线的推衍、各分次照射剂量的累加、放射治疗计划的再计划等均依赖于图像变形配准(Deformable Image Registration, DIR),图像配准算法的精确性直接影响病人的治疗疗效。无论是三维适形放疗(3-Dimensional Conformal Radiation Therapy, 3D-CRT),还是调强放射治疗(Intensity Modulated Radiation Therapy,IMRT),在治疗计划设计阶段,均需由放疗医生在治疗前在获取的计划CT图像上勾画出肿瘤区域和OARs,采用放射治疗计划系统(Treatment Planning System, TPS)制定出的合适治疗计划。靶区和OARs的勾画精度直接影响放疗计划的优劣。临床上大多数肿瘤病人的放射治疗均是使用分次照射治疗,各分次之间轮廓线的推衍、计划的修正以及受照剂量的累加,均需要图像配准技术来实现。与3D-CRT相比,IMRT能使得三维剂量分布与靶区适形度较好,靶区内剂量强度分布均匀,与此同时,靶区外剂量迅速下降,有效地保护周围正常组织和危及器官。不论在理论上还是实践中,都能更好地实现治疗增益比最大化,提高肿瘤控制率(Tumor Control Probability,TCP),降低正常组织并发症发生率(Normal Tissue Complication Probability,NTCP),有效改善患者生存质量。但是由于治疗期间,病人摆位误差、器官组织的位移和变形等,将导致靶区照射量不足,或正常组织受照量过高或危险器官卷入高剂量区,从而导致肿瘤局部未受控或者损伤正常组织和器官,尤其是在高剂量梯度下。目前主要的解决办法是根据病人在各分次治疗前的解剖图像信息,利用图像配准算法获取变形信息,对初始计划进行再计划,生成新的计划对病人进行治疗,从而大大提高病人实际照射剂量的精确性。此外,放疗后的并发症也是评价放疗疗效的一个重要指标。放疗后并发症通常是由于OARs的受照剂量超过其耐受剂量。在分次放疗中,患者危及器官的累计受照剂量也是临床关注的重要问题。病人各个分次间的摆位误差,组织器官的变形等,使得剂量无法直接累加。因此需要对各个分次获取图像中的OARs进行精确配准,才能准确计算其累计受照剂量。在放射治疗中,靶区和OARs的勾画主要是通过放疗医生手动勾画获得。然而医生的知识、经验、时间、精力等决定了医生个体之间、同一医生在不同时间的勾画结果均有较大差异,影响放射治疗计划的准确性。此外手动勾画耗时耗力,效率比较低。自动分割则是通过图像分割算法,自动得到分割结果,其分割速度快,但是分割精度比较差。而交互式图像分割,则能结合医生的知识、经验、临床要求以及计算机辅助能力,快速得到较为满意的分割结果,成为目前图像分割研究的热点。此外,由于临床医学图像通常较为复杂,其目标区域常表现出灰度的非一致性,而多数图像分割方法都是基于目标的灰度相似性,当目标区域存在多种强度的像素时,常规的图像分割方法往往会将其分割为不同的目标。即便是普遍使用的交互式图像分割算法在非均一性目标图像的分割中也难以得到稳健的分割结果。后装治疗是高剂量率(High Dose-Rate,HDR)的近距离放射治疗(Brachytherapy, BT),是宫颈癌等妇科肿瘤常用的放疗方法。后装治疗的放射源活度较低,但是治疗距离短,放射源几乎直接照射靶区,可以使靶区得到高剂量的照射,提高局部控制率。其治疗过程是：首先在病人阴道内放置一个施源器(applicator);根据医生制定的放疗计划,TPS计算放射源的驻留位置和驻留时间,得到较好的剂量分布后,通过施源器内部的管道将放射源自动输运至施源器顶端的预定位置,对病人肿瘤区域进行直接照射。由于HDR BT中病人单次受照剂量较大,也需要明确定义靶区和OARs,保证肿瘤区域的最小剂量和控制正常组织和OARs的受照剂量。在近距离放射治疗中,常采用多分次照射技术,因此也需要采集治疗前在病人阴道内放置有施源器的CT图像作为计划CT图像,在后续的各分次治疗前也采集放置有施源器的CT图像(称为HDRCT)。对计划CT与HDR CT进行图像配准,即可修正患者的摆位误差和再计划,或在计划验证时进行剂量累加。在HDR BT中,同一病人在不同分次可能接受不同类型放射治疗,如HDR和IMRT。此外,即使各分次同为HDR治疗,也可能使用不同类型的施源器进行照射,如圆柱形施源器(Cylinder applicator)、卵圆形串联型施源器(Tandem and Oval applicator, T&O applicator),圆形串联型施源器(Tandem and Cylinder applicator, T&C applicator)等。目前临床上,对于近距离放射治疗中HDR CT图像和计划CT图像间的配准和OARs的剂量累加等,尚存在以下问题有待解决。1)不同分次的HDR CT图像之间的信息不对称,导致常规变形配准方法无法胜任。目前几乎所有的图像变形配准算法都基于这样一个假设：待配准的两幅图像上解剖结构点要一一对应存在(point-to-point correspondence),即一幅图像上的点,总能在另外一幅图像上对应找到。含有施源器的HDR CT图像和计划CT图像之间的配准违背了这样的假设。HDR CT图像中有与计划CT图像中不一致的结构(施源器),常规的变形配准算法就无法有效地解决这样的问题。2)目前的大多数图像变形配准算法在图像的低对比度区域配准效果较差。在妇科癌症病人的HDR治疗中,膀胱、直肠等OARs可能处于较高剂量区域。在一次HDR治疗中,约1/4的膀胱壁处于较高剂量区域。膀胱壁受到放射性损伤,即可能导致整个膀胱的功能障碍。然而,直肠、膀胱等OARs在CT图像上呈现出低对比度的特征。如果使用常规的图像配准方法对计划CT和HDR CT进行配准,其配准误差将引入极大的剂量累加误差,导致剂量累加结果不准确。本文主要针对近距离放射治疗中的图像分割问题和图像配准问题展开研究,目的是解决非均一性的图像分割问题,计划CT图像与HDR CT图像之间的变形配准问题以及膀胱表面的精确配准问题。主要完成了以下工作：(1)针对非均一性的图像分割,提出了一种种子点自动生长的改进的随机游走(Random Walks, RW)图像分割算法(Seed Point Auto-generation for RW Segmentation Enhancement, SPARSE),通过合成体模图像和临床病人图像验证了该算法的有效性和鲁棒性,并将SPARSE算法应用于CT,MR等模态的非均一性目标的分割。利用医生勾画的初始种子点中包含的目标与背景的灰度信息,提出一种种子点自动生成方法,对医生勾画的初始种子点进行自动生长,得到拓展后的种子点,并使用自动生长后的种子点执行RW算法,提高了图像分割精度,减少了RW算法对初始种子点的位置和数目的依赖,削弱了参数选择对分割结果的影响程度。(2)针对HDR CT图像和计划CT间配准信息的不对称问题,提出了一种联合图像分割和点配准的图像配准算法(Segmentation and Point-matching Enhanced Efficient DIR,SPEED),并采用模拟数据和临床病例验证了该算法的有效性,评价了算法的精度。首先利用SPARSE方法将参考图像和浮动HDR CT图像中的施源器区域分割出来,并填充为空气腔。然后利用鲁棒的薄板样条点配准方法(Thin Plate Spline Robust Point Matching,TPS-RPM)对参考图像和浮动图像的空气腔轮廓点进行配准,利用B样条方法估计其近似变形场(Deformation Vector Field, DVFs).并将其作为Demons变形配准算法的初始DVFs,对整幅图像进行变形配准。SPEED算法解决了HDR CT图像配准中的信息不对称问题,在施源器区域的配准精度有显著提高。(3)针对膀胱表面的剂量累加问题,提出了一种基于局部拓扑结构保持的改进TPS-RPM的点配准算法(TPS-RPM-LTP)。该方法主要以TPS-RPM算法为基础,考虑到组织器官在变形过程中每个解剖点与其周围点的相对关系仍保持不变,在每次迭代过程时加入局部拓扑结构保持的约束。采用自制的膀胱变形体模和两组模拟数据,以及采集的7个病人的临床数据对TSP-RPM-LTP进行了验证。结果表明,TPS-RPM-LTP能显著提高膀胱表面的配准精度,有望用于膀胱表面剂量的累加。