在临床放射治疗工作流程中,放疗计划的质量起到重要作用,是实现精准放疗的重要一环。然而,制定调强放射治疗计划是一个费时费力的过程,且受到多种临床因素的影响。自动计划可以通过学习已有专家数据库中患者解剖结构和剂量分布的对应特征,提高放疗计划设计的效率。但是,目前常见的基于数据库的自动放疗计划（Knowledge-based planning,KBP）方法主要是从患者的解剖结构中提取低维特征并用于搜索匹配找到结构最相似的患者,再通过解剖结构相似患者的临床计划预测新患者的计划,然而这个过程中常常丢失一部分结构信息。在本文中,我们提出了一种直接基于患者三维解剖结构的自动放疗计划方案,可以直接通过三维靶区和危及器官的相似性匹配得到解剖结构相似的病人。我们选用中国科学技术大学第一附属医院的81例宫颈癌计划,提取患者靶区及危及器官及其剂量学参数建立匹配数据库。随机选取20名患者,利用留一法,即选取1名患者,在剩余80名患者的数据库中进行相似度快速匹配,选出靶区和感兴趣的危及器官相似度高的患者作为相似匹配结果,并选取其对应剂量学参数作为预测参数进行放疗计划优化,最后将生成的自动计划与其临床计划进行比较,分析其差异。本研究的两大创新点,分别是直接应用患者三维解剖结构进行相似性配准以及通过放疗计划系统脚本实现放疗计划设计自动设置。结果表明,本文提出的自动计划在绝大多数剂量参数上与临床计划的质量相当或更优。其中,膀胱的V50Gy剂量显著降低了2.85±3.16%（p＜0.01）,直肠的V50Gy剂量显著降低了11.79±5.2%（p＜0.001）,且靶区和其他危及器官的剂量保持相当。在效率上,自动计划大大缩短了放疗计划设计的过程,整个自动计划包括调强优化所需要的时间小于6分钟。在此基础上,我们还进一步研究了基于深度学习的自动勾画进行自动计划的可能性,实现宫颈癌放射治疗全流程自动化。建立放疗流程的自动化处理可以辅助医生以及物理师高效完成放疗计划设计并提高临床计划质量。但这是探索性的尝试,临床应用及其实用性仍需要进一步验证。