医学图像处理算法被广泛应用于临床辅助诊断和治疗,尤其是在图像引导放射治疗系统中具有重要作用。医学图像除具有一般图像的基本属性外,还具有自身的一些特征。挖掘医学图像内在的属性特征,利用计算机视觉和数字图像处理算法来分析这些特征信息,可以有效理解并处理医学图像,使其为临床提供有效诊断和辅助治疗。根据诊断或治疗需要,临床可获得多种模态的医学图像。各种模态图像用不同成像方式表达了同一组织器官的不同特征信息,例如：X-ray、CT、MRI、US等图像表达病例的内部解剖结构特征,为诊断和治疗提供精确的病变空间位置信息,但这些图像缺乏功能代谢信息；PET、SPECT、fMRI等图像则表达病例的新陈代谢等功能信息,可以为临床诊断提供病变前期的异常功能代谢信息,使患者在病变早期得到治疗,但这些功能图像缺少精确的解剖结构信息。医学图像处理和分析算法可以把具有互补性质的不同模态图像进行特征提取和数据关联,包括使用图像配准、分割、变换以及去噪等算法进行处理和分析,使这些算法在临床应用中提供实时且高效的性能,从而为临床医生提供有效的诊断和治疗。医学图像配准和分割算法是当前图像引导放射治疗系统中的关键技术。在配准算法方面,如何提高配准算法的精度和速度对于实现当前临床所需的精确摆位和自适应放疗具有重要作用。目前的医学图像配准算法在临床应用时,存在复杂度较高,耗时较长,并且某些情况下需要人工干预和手动标记,无法实现全自动或半自动配准等诸多问题,束缚了它们在临床图像引导放射治疗系统中的应用。同时,在医学图像分割方面,针对当前放疗计划系统中对危及器官和肿瘤靶区分割主要依赖人工勾画的现状,可综合利用多种模态医学图像的特征信息,寻找适合医学图像特征的分割算法,实现危及器官和肿瘤靶区的高精度自动分割。本论文为解决和改进当前图像引导放射治疗系统和放疗计划制定系统中关于配准和分割算法存在的一些问题,对医学图像配准和分割算法进行了系统深入地研究,提出一些相关算法,并把这些算法应用于自适应放疗、放疗计划转移、肿瘤和危及器官分割等方面。本论文的主要工作包括以下几个方面：(1)基于边缘保护多尺度空间的刚体配准方法及应用从多尺度空间滤波的角度分析了传统多尺度配准方法存在局限性的内在原因。为提高医学图像配准算法的精度和速度,较好地避免局部极值,提出了基于边缘保护多尺度空间配准的方法。这种边缘保护多尺度空间基于非线性扩散模型,可以在不同的尺度上对图像边缘和轮廓按照几何结构大小进行选择性分解,在特定的尺度上,被选择的边缘和轮廓特征可以为基于互信息的配准提供丰富的空间位置信息。同时,算法在实现形式上通过采用数据金字塔结构来提高配准速度。另外,为实现临床所需的全自动配准,提出一种自动获取非线性扩散模型中平滑参数λ的方法。实验结果表明,本文提出的多尺度配准方法用于三维医学图像配准时,包括MRI-Tl/T2/Pd、PET、CT、CBCT图像的同模态和多模态配准,优于传统的多尺度配准方法,配准结果可获得较高的精度,配准过程需较少的迭代次数,并且在传统多尺度配准方法发生误配时,提出的算法仍可准确配准,具有较好的鲁棒性。在临床应用上,将算法用于PET-CT系统中多模图像配准,并且利用配准算法实现食道癌病例肿瘤靶区从PET图像到CT图像的自动映射,为下一步放射治疗计划的制定奠定基础。(2)基于边缘保护多尺度空间的形变配准方法及应用工作(1)中,使用边缘保护多尺度空间实现了刚体配准。在此基础上,将边缘保护多尺度空间与形变模型相结合,提出基于边缘保护多尺度空间进行形变配准的方法,并且用于计划CT与锥形束CT(Cone beam CT, CBCT)图像的配准,指导基于CBCT的图像引导放射系统中的自适应放疗。为了提高系统中形变配准算法的性能,提出边缘保护多尺度空间与基于B样条的自由形变模型相结合的多尺度形变配准框架。由于边缘保护多尺度空间基于非线性扩散模型,可以为基于互信息的配准提供丰富的空间位置信息。同时,在不同的尺度上,根据多尺度图像的精细程度可选择相应的自由形变控制点数,由粗及精地恢复形变。另外,在实现形式上采用数据金字塔结构,并提出了两种有效的实现方式。实验中采用六种类型的癌症患者病例数据进行了研究,包括直肠癌、前列腺癌、肺癌、头颈癌、乳腺癌、胸癌等。实验表明,提出的形变配准算法用于基于CBCT的图像引导放射系统时,可将日常放疗时的CBCT图像和计划CT图像进行准确且快速的配准。通过获得的形变域,可实现放疗计划从计划CT到CBCT图像上的自适应转移,包括CBCT图像靶区和危及器官的自动勾画,以及等剂量线的自动映射等,最终实现剂量体积直方图分析。(3)基于正交小波基函数的形变配准方法及应用为进一步提高基于CBCT的图像引导放射系统中计划CT与CBCT图像的配准性能,即在保证较好鲁棒性的前提下,提高形变配准的精度和速度,提出使用正交小波基函数来表示待配准图像对之间的形变域,从而得到一种可以由粗到精恢复形变域的配准算法。此方法利用正交小波基函数的多分辨率特性,不同尺度上由粗到精的小波系数和不同子带上的小波系数分别描述计划CT和CBCT图像之间形变域的全局和局部特征,并且从不同方向上描述形变特征。同时,由Navier偏微分方程设计极小化能量函数来实现小波系数的估计,并且为了实现全自动配准,使用归一化互信息作为外力约束。实验表明,此方法用于基于CBCT的图像引导放射系统时,可以有效地恢复全局形变和局部形变,并且可将日常放疗时的CBCT图像和计划CT图像进行准确且快速的配准,同时可用于放射治疗计划系统中器官的自动分割,从而有效指导自适应治疗。(4)基于图谱的医学图像分割方法及应用传统图像分割方法用于医学图像器官分割时具有局限性,结合人体器官自身特征并利用临床病例库建立合适的器官概率图谱,可以实现器官的自动精确分割,从而满足临床需求。为实现日常放射治疗时CBCT图像中肝脏器官的自动精确分割,通过50组经过筛选的增强型计划CT图像创建概率图谱,并且这些CT图像的肝脏器官由临床医生和物理师进行了详细精确地勾画,从而保证概率图谱的精度和可信度。目标病例首先通过胸肋图谱得到肝脏初始轮廓,然后经过高斯模型对肝脏的灰度特征进行分析,去除肝脏连带组织,最终通过形变配准算法与创建的肝脏概率图谱进行配准,使用形变域实现轮廓线的自动转移,从而实现肝脏器官的自动勾画。实验表明,该方法可以在噪声和伪影较大的CBCT图像上实现肝脏器官的自动勾画,为下一步制定放疗计划奠定基础。(5)联合分割和配准技术实现PET-CT图像中肿瘤靶区的精确定位临床上肿瘤靶区的自动精确定位可以加速放疗计划执行,提高放疗精度,并且可以帮助放疗计划自适应修改和转移。多数情况下,肿瘤靶区与周围组织器官灰度相似,并且肿瘤靶区具有一定的隐蔽性,与周围组织器官存在连带区域,使肿瘤的自动检测较为困难。PET图像表征人体新陈代谢的功能信息,它根据核素衰变性质,使肿瘤等高代谢区在SUV域显示高信号。本工作通过把PET灰度图像转化到其SUV域,通过标准摄取SUV值实现肿瘤靶区的检测和提取。使用三种半自动分割算法对肿瘤进行了有效检测和分割,并且平滑其边界达到临床所需形状。最后,通过形变配准算法实现肿瘤靶区从PET图像到计划CT图像的自动转移,为接下来的放疗计划执行奠定了基础。本论文提出的算法可以应用于基于CBCT的图像引导放射系统、PET-CT成像系统。同时在放射治疗计划系统中,可实现放射治疗计划的自适应纠正或更改、肿瘤靶区和危及器官的自动勾画等,可提高放射治疗的精度,并提高临床医生和肿瘤专家的工作效率。