近年来，随着医学影像学的快速发展，借助影像信息进行介入导航越来越受到欢迎。典型的影像导航介入手术系统是利用配准后的图像信息，引导介入实施。目前临床采用的影像导航介入所用图像是静态的，因此器官的位置和形状也假设是静态的。对于肺、心脏和肝脏等胸腹部器官的影像导航系统面对的是弹性区域，随着器官自主运动，它们的位置、形状会发生明显的变化，静态影像导航介入将会降低导航信息的精确性，因此我们希望建立动态的模型，实现动态影像导航。　　图像配准作为影像导航的一项关键技术，是构建动态模型的基础。配准技术将特定部位的影像之间进行匹配，找出对应部位的精确对应关系，即对应点或解剖结构的形变情况或空间位移。通过对四维CT肺部影像的各个时间点上的图像进行配准，能够构建出期望的动态模型。现有的图像配准方法，分为基于特征的方法和基于灰度的方法，它们从两个不同关注点实现配准，然而这两种方法都有自己的局限性。　　针对现有的肺部CT图像三维弹性配准算法精度低、耗时多的问题，作者提出了一种基于混合配准框架的配准算法。该方法将点集与互信息相结合，先采用点集配准算法获得点集位移向量，再求出变换函数，最后以基于互信息的方法进行细化配准。实验结果表明，所提方法能够快速精确地完成三维肺部CT图像弹性配准，可以用于4D肺CT图像的快速配准。所提算法对于确定肺部组织的运动轨迹、建立肺部呼吸运动模型、实现计算机辅助术前手术规划与手术导航有很大帮助。