现代医学影像技术的快速发展推动了放射治疗的发展。随着医学图像处理和分析的不断进步,放疗的肿瘤精确定位和跟踪、治疗设备的精确摆位也在不断改进,这些有助于提高患者的治愈率,改善患者治愈后的生存质量。使用电子射野影像装置(EPID)进行摆位,是目前国内常用的一种图像引导放疗方式,对放疗摆位具有重要的意义。本文首先介绍了放射治疗的配准,图像配准和人工智能在图像转换中的应用;继而提出了从兆伏级 DR(Digital Radiography)图像合成千伏级 DRR(Digitally Reconstructed Radiography)的思想,并采用深度卷积神经网络来实现;最后采用互信息作为测度进行配准;本文的研究内容如下:(1)介绍图像配准在放射治疗中的应用,简述图像配准的基本思想、图像匹配方法和优化算法选取,以及人工智能在放射治疗中的应用;(2)提出用于映射DR影像和DRR影像的新颖的分形沙漏卷积网络,网络以沙漏形的卷积网络为构建基石,以分形理论为构建原则,多尺度下形态近似沙漏状。此形态能充分利用多尺度信息融合,在保持高分辨率的前提下,减少模型参数,降低训练难度,以合成高精度DRR影像。在CT生成的软组织DRR上预训练模型,使模型效果更好,预测DRR影像质量更高;(3)介绍了基于互信息的DR和DRR配准算法及流程,该方法跟传统的IGRT方式不同,不再采用直接使用兆伏级的DR影像和千伏级的DRR影像配准的方式,而是先对兆伏级的DR图像,使用分形沙漏卷积网络,预测出千伏级的PreDRR影像,并使用PreDRR影像与原DRR影像进行配准,能够解决之前因模态差异而导致的配准失败的问题,能够很好的降低两者配准的难度;结合实际病例,最后对人体不同部位进行了实验分析,结果表明,该方法能够取得临床可接受的配准结果,可逐步取代手工配准;