放射治疗系统有大量的优化算法,但放射治疗计划仍然是一个反复、耗时且手动的过程;同时,在不同治疗中心之间甚至每个治疗中心内部,即使针对同一个患者制定的放疗计划都存在较大的差异。为了保障放疗计划的质量和效率,同时提高放疗计划的自动化程度和标准化程度,本文利用放射治疗系统中的先验知识开发一个放疗自动优化模型。本文主要分为两个部分:（1）逆向优化（Inverse Optimization,IO）通道研究:虽然过去已有一些剂量分布的类似方法,但较多应用于解剖结构相对简单的肿瘤位置。所以本文制定了适用于更复杂治疗部位的具有线性化靶区的逆向计划问题（Inverse Planning Problem,IPP）,包括一个控制通量图异质性的正向梯度之和（The sum of positive gradients,SPG）目标值,然后本文开发了相应的通用IO通道方法,当与IPP相结合时,可以自动地从输入的剂量体积直方图（Dose Volume Histogram,DVH）生成通量图和与输入DVH相似的对应DVH。并用临床实际治疗的计划测试了该IO通道,并使用指南标准评价指标,将逆向计划与临床计划进行比较。研究结果显示,逆向计划与临床计划非常相似。（2）基于先验知识的计划（knowledge-based planning,KBP）方法的自动计划模型研究:从患者解剖学信息生成治疗计划的流程。本文从文献中扩展了两种KBP方法,即基于查询的KBP和基于主成分分析（Principal components analysis,PCA）的KBP方法,使其能够为具有多个靶区的患者同时输出更真实的DVH。接下来,将预测输入到IO通道,该通道为IPP生成目标函数权重,本文通过这样的方式可以生成与输入DVH相似的计划。通过将KBP预测与IO通道结合到单个自动化的治疗计划模型中,可以自动生成鼻咽癌的放射治疗计划。本文开发了一种IO通道,可以自动地从输入的DVH生成通量图;完善两种现有的KBP方法,并将KBP预测方法与IO通道结合到自动化的治疗计划模型中,从而自动生成鼻咽癌的放疗计划。