放射治疗技术目前作为一种恶性肿瘤的临床治疗手段而广泛应用。近年来,质子治疗在放疗领域发展迅速。质子由于其在射程末端的布拉格峰（Bragg Peak,BP）特性,能够产生更优异的深度剂量曲线（Depth-Dose Curve,DDC）。借助主动点扫描技术,剂量可以精确地输送到给定靶区,同时也可以使肿瘤周围健康组织接收到尽可能少的剂量,从而使精准放疗成为可能。尽管质子治疗在国内外已经进入了临床阶段,但由于人体组织的不均匀性,目前治疗计划的制定依然需要非常大的计算量。因此算法层面的优化依然是非常必要的。本论文主要围绕质子治疗中的射程定位展开。首先,基于蒙特卡罗（Monte Carlo,MC）模拟的数据,在质子治疗能级内（50-250Me V）,探索并构建了非均匀介质中的质子入射能量计算框架。通过考虑质子束在介质中的能量衰减的逆过程,以体素为积分微元,从靶点位置出发将阻止本领（Stopping Power,SP）积分到入射位置从而得到质子束所需入射能量。在计算过程中通过将所有质子的效应等效成一个虚拟粒子,大大提高了束流入射能量计算的速度。在真实的人体三维CT体数据下,质子束能量反演算法在蒙特卡罗验证中得到了非常好的效果。其次,基于提出的质子入射能量反演算法搭建了在线计算平台。该平台由三维CT体数据的输入和显示、结果输出和蒙特卡罗验证等部分构成,为质子入射能量反演算法快速计算与验证提供了基础。最后,由于质子治疗过程中会伴随者正电子核素的产生,本论文还通过在束PET（In-Beam PET）的蒙特卡罗几何模型研究了正电子分布的三维重建过程,并通过深度学习（Deep Learning,DP）中的Pix2Pix（Image to Image）算法构建了正电子分布到剂量分布的图像翻译模型。基于此模型,不仅可以通过PET探测到的正电子分布到剂量分布的转换来估计患者体内的剂量分布,也可以对提出的质子入射能量反演算法进行验证。综上,本论文系统地探索并构建了一种质子治疗中束流定位框架,搭建了相应的在线平台,并结合深度学习通过正电子分布对此框架进行了剂量分布评估与定位验证,为治疗计划系统（Treatment Plan System,TPS）中精准放疗算法的优化提供了一种新的探索。