调强放射治疗（Intensity Modulated Radiation Therapy,IMRT）能使高剂量照射区高度适形靶区,并使周围危及器官受照剂量尽可能低,因此逐渐发展成为放疗技术中的主流技术。在IMRT计划设计过程中,物理师通常依据个人经验和相关临床协议在计划系统上进行参数优化,整个设计过程以人工试错方式不断优化。然而,这种方式不仅耗费物理师、医生大量的时间和精力,而且也无法保证最终计划是否最优。因此,为了辅助物理师快速制定出高质量的放疗计划,实现放疗患者的个性化治疗,吸引了很多学者在放疗计划剂量学预测领域开展研究。本文在分析现有剂量学预测模型基础上,提出了一个带有Attention结构的3D Res UNet模型预测放疗计划三维剂量分布,本文将其命名为Dose RAUNet。该模型在3D UNet和Res Net基础上进行改进,同时考虑将解剖结构和射野信息作为模型的输入,并且引入了注意力机制来学习每个射野分布和每个解剖结构之间的重要性。另外,本文设计了两个对比模型:Baseline 1和Baseline 2,其结构框架和Dose RAUNet类似,但是没有注意力机制。另外Baseline1的输入只有解剖结构,而Baseline2的输入除了解剖结构之外还有射野信息。论文一共收集了110例优质宫颈癌IMRT计划用于模型的训练和验证,五折交叉验证实验表明预测与临床的三维0.53％±1.44％剂量分布和剂量体积直方图（Dose Volume Histogram,DVH）曲线匹配性良好,所有体素的平均绝对预测误差为,靶区和危及器官平均绝对剂量差异的范围为0.21％～1.74％,临床与预测值之间不同处方剂量对应的等剂量曲线的平均相似性指数（dice similarity coefficients,DSC）为0.984。在所有临床评估指标中,Dose RAUNet平均预测误差最小,模型预测效果最好,Bsaeline1表现最差。为了进一步评估Dose RAUNet的泛化性能,作者还收集了另一家医疗机构32例宫颈癌IMRT计划进行验证分析。在此测试数据上,所有体素的平均绝对差异为.0.96％±1.96％,DSC值为0.979,与我们自己的实验结果类似,表明该模型对同类型计划有良好的泛化能力。为了进一步评估该模型对非均匀布野的放疗计划预测精确度,本文第四章收集了88例乳腺癌IMRT计划用于模型训练和验证,结果表明所有体素的平均绝对误差为0.76％±3.32％,DSC值为0.961,靶区各项临床指标平均预测差异小于2.5％,危及器官各项临床指标平均预测差异预测小于5％,差异均在临床可接受范围内。综上所述,本文提出了一个Dose RAUNet的剂量预测模型用于调强放疗计划三维剂量分布预测,该模型对不同部位的IMRT计划预测效果良好,而且模型泛化性较强。将预测模型运用到临床实践中,不仅能提高医疗机构整体计划质量水平,而且为自动化计划的设计奠定基础。