三维超声计算机断层扫描（Three dimensional ultrasonic computed tomography,简称3D USCT）在乳腺癌早期检测筛查及诊断等方面有很好的效果,有助于乳腺癌的及早发现与治疗,提高治愈机率。但在3D USCT系统中,换能器的延迟、位置偏差和温度误差等系统误差会影响到重建图像的质量,其中换能器延迟和位置偏差影响最大,故而需进行换能器的校正。论文基于与浙江衡玖医疗器械有限公司的衡玖乳腺超声CT校正与图像重建合作项目进行研究工作。该项目中3D USCT系统的换能器延迟和位置偏差校正问题涉及到约11,500个未知数的求解,当前基于迭代方法的校正工作在计算时间和精确度上不适用于该系统。为提高换能器延迟和位置校正精确度和速度,论文研究了基于感知机网络的换能器延迟和位置校正技术,将校正问题转换为方程组求解问题,利用感知机网络在快速寻找最优解方面的能力对方程组进行求解,有效提高了换能器延迟校正的速度和精确度。在此基础上,研究了基于深度卷积神经网络的换能器延迟和位置校正技术,设计了一种基于卷积神经网络的网络模型,进一步提升了校正的速度和精确度。通过校正前后图像重建实验,对重建图像质量进行评估,验证了论文提出的校正技术的有效性。具体来说,论文的研究工作包括以下几个方面。（1）分析了3D USCT系统的硬件设备、成像方式以及主要系统误差的来源与大小。结合研究的3D USCT实现了基于牛顿法的自校正技术,依据公司提供的3D USCT系统数据及原理仿真延迟和位置偏差数据,进行了基于牛顿法的换能器延迟和位置校正实验。（2）提出了一种基于感知机网络的换能器延迟和位置校正技术。该技术将校正问题转换为求解方程组,将感知机网络的权重视为所求未知量,通过损失后向传播机制及优化算法不断更新权重,当网络收敛时,感知机网络权重值便是所求方程组的近似解。实验结果表明,换能器延迟精确度可达到均值0.148微秒,相比于基于牛顿法提高了0.19微秒左右,校正速度从基于牛顿法的20分钟左右下降到5分钟左右。（3）提出了一种基于深度卷积神经网络的换能器延迟和位置校正技术。该技术将渡越时间数据转换为矩阵形式输入到网络模型,依次通过四个卷积网络模块提取特征,最后通过全连接层对特征映射输出。实验结果表明,换能器延迟精确度可达到均值0.15微秒,相比于基于牛顿法提高了0.18微秒左右,校正速度从基于牛顿法的20分钟左右下降到2秒左右,而且模型训练也仅需5分钟左右。（4）采用不同校正技术进行校正前后图像重建实验并对重建图像质量进行评估。实验结果表明,论文提出的基于感知机网络、基于深度卷积神经网络这两种校正技术,校正后重建图像的结构相似性可分别达到11.96%、11.08%,相比于基于牛顿法分别提高了1.37%、0.39%。