肿瘤治疗的常规手段分别是手术，化学药物治疗和物理放射治疗。有统计数据表明约有70％的肿瘤患者在治疗过程中会进行单纯放疗或者放疗与手术，化疗相互匹配进行肿瘤的治疗。物理放射治疗的根本目的是利用放射线损伤或者消灭肿瘤细胞，同时尽可能使其它组织不受放射线的损伤和侵害。　　ART的概念由美国的Yan Di于1997年首次提出，ART的实现需要借助图像引导技术、变形配准算法、再优化和再计划技术形成一个快速、有效的闭环系统。在ART技术系统中，如何快速、精确、有效的获得病人的当前解剖图像是决定整个ART系统的关键环节，因为靶区和危及器官的位移与形变最终都是反映到解剖图像上，同时解剖图像也是变形配准和剂量计算以及剂量优化的输入信息。　　随着OBI技术引起大家的关注并逐渐成为图像引导放疗的主流成像技术后，以下两个问题限制了OBI技术在临床放疗中的应用。首先OBI的重建图像相比于螺旋CT的重建图像，空间对比度相对比较差，散射伪影比较严重。原因是在OBI系统的球管产生10到150keV光子能量段内，康普顿散射占据了散射的主要成分。由于康普顿散射的微分截面相对比较平坦，在各个角度方向的散射角概率都相对比较均匀，所以二维探测器上的像素受到来自不同角度和位置的散射光子影响比较突出。另外一方面，现有的OBI设备考虑到直线加速器机头旋转时的安全因素，一般在采集投影时，直线加速器的机头转一圈需要60秒的时间，而人体的呼吸周期一般在4到5秒，所以获取投影数据时，人体同时进行了12到14个呼吸周期。由于CBCT采集技术是以假设病人在投影扫描时是静止不动的，并没有解决在分次放疗内人体的呼吸运动引起靶区或危及器官的位移。所以成像区域如果是在胸腹部比如非小肺细胞癌，图像的运动影响变得非常严重，除了用于病人的摆位，无法提供肿瘤的其它更有用的信息。　　本文根据自适应放射治疗技术对快速优质引导图像获取的需求，针对当前图像引导放疗所存在的问题，以美国加州大学圣迭戈分校CART实验室设计开发的放射治疗再优化系统(Super Computer On-line Re-planning Environment，SCORE)为研究平台，对自适应放射治疗技术中的图像引导技术展开了深入的讨论和研究。主要工作如下:　　(1)综述自适应放疗技术的产生背景;简单介绍了本文相关的放射治疗再优化研究平台SCORE系统;阐述OBI技术成为主流图像引导设备的原因和现状;详细介绍了OBI的硬件系统组成和系统关键算法，并以此为基础在两个不同的层次介绍了目前引导图像获取技术中存在的主要问题，为后续研究和对应解决方案的提出奠定基础。　　(2)本文提出了一种在图像引导放射治疗下基于蒙特卡罗(Monte Carlo，MC)模拟的快速散射校正方法，该方法可以在三十秒内完成MC的散射校正和图像重建，首次实现了基于MC散射校正在实际临床环境下的应用。　　基于蒙特的散射模拟方法是在散射校正软件计算类方法中最为精确的方法，但是现有的蒙卡模拟方法之所以不能在临床中应用，其原因是现有的方法计算时间都很长。都是用含有散射伪影的成像数据作为模体，通过模体的CT值(Hounsfield Unit，HU)获取物质的材料、类型和密度等参数用于MC的模拟。由于含散射伪影的图像HU值本身不精确，所以单纯只进行一次蒙卡模拟会导致模拟的散射信号不够精确。为了弥补这个问题，已有的蒙卡模拟散射校正方法都通过迭代蒙卡模拟的方法进行补偿更正，即当前蒙卡模拟的模体数据是上一次蒙卡去散射图像重建的结果。通过这样的方法迭代约两到三次就可以逐渐地获得准确的散射图像，但是带来的代价是使蒙卡模拟的时间成倍增加。　　为了避免多次的MC迭代模拟，本文提出在图像引导放射治疗中以原始计划的CT图像作为模体图像。因为原始计划的CT图像作为蒙特卡罗模拟的输入数据可以得到更加精确的HU值，进而模拟得到精确的散射信号。具体而言，首先用原始的投影进行快速FDK重建，接着以原始计划的CT图像和FDK重建的CBCT图像以卷积形式实现快速的刚性配准;然后平移配准后的原始计划CT图像作为输入数据，进行MC的快速模拟。在进行散射模拟时，本文采用了如下加速技术:降采样MC模拟的模体图像，降低MC模拟的光子数和在角度方向进行散射信号的稀疏模拟，对模拟出的散射信号进行先验平滑约束和插值。最后在原始投影中减去估计出的散射信号之后，再一次进行FDK重建以获得散射伪影校正后的重建图像。　　为了验证算法的可行性，本文分别进行了模拟研究、模体实验研究以及临床案例研究。得到的结果是经MC散射校正后的图像对比度变好，放射状伪影变少，而且消除了比较明显的杯状伪影。除了肉眼定性评价校正效果外，本文也定量地分析图像CT值的最大误差值，第95个百分位误差值和平均误差值，结果是全扇形模式(Full-fan mode)案例分别从校正前的456、136和44 HU降低到散射校正后的37、10和3HU;半扇形模式(Half-fan mode)案例也从584、386和78HU降低到128、34和9 HU。在计算时间方面，所有案例的MC模拟时间都在15秒内，并且含重建在内的计算时间都在30秒内。　　(3)分次放疗中病人的呼吸运动是胸腹部肿瘤发生形状和位置变化的主因。实时三维容积图像的获取因为能获取分次放疗内实时的肿瘤运动信息，对自适应放疗技术有着重大的意义。在SCORE平台中，实时三维图像的获取成为了实时图像引导放疗技术的瓶颈。原UCSD的CART团队提出了一种基于单张投影实现在线实时三维图像获取的方法。该方法首先利用病人的4D CT数据进行PCA肺部模型的训练，通过控制PCA的主成分系数进而控制变形场数据的运动。在模型预测阶段，循环更新当前的主成分系数生成的三维图像，对更新的三维图像生成数字投影并与真实投影进行比较，从而同步更新主成分系数，直到两种投影相匹配为止即获得对应单张投影的三维容积图像。　　以上方法在理论上是正确的，基于数字模体的模拟实验也可以得到很好的结果。但是这个方法在实际的临床案例中却不够鲁棒，会常常发生误估计的情况，对呼吸运动造成的肿瘤运动预测也不是很准确。究其原因，至少存在两个方面的问题，首先上述方法会有过度拟合的问题，主要表现为利用二三十万个投影像素和三或四个PCA系数建立关联，会出现不收敛的情况，增加了算法的随机误差;其二，上述方法存在实际投影和数字计算投影之间的系统误差。数字计算的投影没有考虑实际的X射线的散射、硬化等伪影，而且数字投影由于离散计算射线深度路径，计算出的投影会出现马赛克效应。　　为了同时解决上述的两个问题，本文提出一种基于单张投影的在线实时三维图像获取方法。在该方法中，本文首先以4D CT图像为先验信息，利用变形配准的方法获取4D CT图像的变形场数据，随后对变形场数据进行PCA分解降维，经过PCA分解后的变形场数据，通过三个PCA主成分维度就可以描述大部分的变形场数据的变化。另外计算对应4D CT每个相位图像的投影，并把投影分割成投影块，然后以PCA系数和投影块为输入数据进行稀疏学习，自动挑选出和PCA系数最相关的一些投影块完成模型的训练和参数的确定。在模型的预测和应用阶段，对每一张实际投影也分割成块并对每个投影块分别进行强度校正，然后应用已经训练好的模型获得PCA系数，进而推导出对应单张投影的三维图像。模拟研究和实验研究表明，整体而言，计算出的肿瘤质心的曲线和真实曲线相一致，实际计算的肿瘤中心曲线的周期和参考曲线也比较相符，而且在局部位置比如幅度最高部分，预测的曲线能够体现幅度的变化。通过计算，预测得到肿瘤中心的平均误差降低到1mm以内。　　本文根据图像引导放射治疗中对引导图像成像的需求和问题，在提高图像精确性和时间分辨率两方面开展研究工作。一是在提高重建图像的精确性方面，针对OBI系统中散射伪影严重的问题，本文提出了一种基于蒙卡模拟的快速锥形束散射校正框架。基于文中提出的算法流程，进行模拟实验和模体实验的验证和评估，结果表明本文提出的方法能在三十秒内进行散射的准确模拟和精确重建图像，临床案例的测试表明该方法成为众多利用蒙卡模拟进行散射校正算法中首个适用于临床应用环境的算法。该散射校正算法适用于现有临床中的OBI设备，可直接提高引导成像的质量。二是在获取具有时间分辨率的引导图像方面，本文提出一种在静态投影角度下基于单张投影的在线实时三维图像获取方法。在算法中，本文创新性地提出把投影分割成投影小块，随后利用稀疏学习算法自动挑选出和PCA肺部模型最相关的投影块，同时建立线性模型以解决过度拟合的问题。另一方面，在模型的应用和预测阶段对应每个投影小块，分别独立进行强度校正，以消除模拟投影和实际采集投影间的散射、硬化和马赛克伪影在内的各种误差。通过稀疏学习和强度校正分别解决了模型训练和应用预测阶段的随机误差和系统误差，提高了算法的精确度和鲁棒性。模拟数据和实验数据研究表明，通过本算法预测的肿瘤质心误差都控制在1mm内。该方法为后续实时三维图像的临床应用奠定了基础。