近年来，高强度聚焦超声(HIFU——HighIntensityFocusedUltrasound)技术成为肿瘤治疗领域的一个新的研究热点。HIFU肿瘤治疗技术利用超声波特有的深穿透能力、强方向性和可聚焦性，实现超声能量在人体内部组织的高强度会聚，短时间内造成病变组织的急性热损伤而不伤及周围的正常组织，成为最小损伤治疗肿瘤的一种有效方法。HIFU治疗手术的成败往往取决于是否有完备的手术前治疗计划和手术中肿瘤目标的准确定位系统，这也构成了一个HIFU治疗的图像导航系统。在手术治疗计划系统中，需要对病人的病灶部位及器官进行三维CT或MRI图像扫描，以获得足够多的病理和位置信息，还需要对病灶目标和相关联的组织，如血管结构进行分割和三维重建。更重要的是需要由医生标记出肿瘤目标的PTV、GTV和CTV轮廓，并制定HIFU焦点的合理治疗路径。在手术过程中，需要实时的成像设备来锁定病灶目标，引导HIFU治疗探头进行治疗。血管结构的提取需要特殊的图像分割算法，而图像配准技术就是将手术前的图像与手术中的图像融合在一起，将手术前的治疗计划，目标轮廓和治疗路径都映射到治疗坐标系中，实现精确的治疗。本研究正是针对图像引导HIFU治疗中的血管分割技术和图像配准技术，进行了理论研究和算法设计。 ●本文研究了一种基于多模态医学图像配准技术的HIFU治疗系统的图像定位方法。它包括对手术前三维CT或MRI图像中病灶目标的分割和血管结构模型的提取；术中超声图像进行采集，处理和血管结构的提取；以及基于血管结构特征的多模态医学图像配准。 ●然后详细阐述了基于图像灰度脊点的血管结构半自动分割方法。基于脊点的血管分割方法，可以快速获得图像中的血管结构的中心点轨迹以及各个中心点位置上的血管半径估计，这样不但可以快速对血管结构进行建模，而且为图像配准方法提供了参考的特征点坐标。本文研究了快速行进的脊点提取方法，在速度和准确性上与以往脊点分割方法有了进一步的提高。 ●在图像配准的方法中，我们研究了一种基于术前和术中两种模态图像中的血管中心点的解剖特征的配准方法。这种方法基于经典的迭代最近点算法(ICP——IterativeClosestPoint)，将手术前提取的中心点集与手术中提取的中心点集进行刚性配准。采用随机初始化点来避免局部最优，利用图像中的不变特征量来加速收敛。然后在多级B样条的基础上，进行了非刚性的配准方法的研究。 ●我们还研究了一种基于模型的图像配准方法。它利用手术前三维CT或者MRI图像分割的血管结构模型与手术中的三维超声图像直接配准，而无需再对术中图像进行特征提取。这种方法简化了配准的过程，提高了配准速度，而且在配准精度上也有一定的提高。为了解决呼吸等运动对配准造成的影响，我们进一步采用模式控制的自由变形模型(FFD——FreeFormDeformation)和B样条的结合，对血管结构在手术治疗过程中所产生的运动及变形进行建模。所谓模式控制是指目标物体按照某些特定的非线性函数的控制方式所运动，这样就大幅度的减少了运动模型的自由度参数。为了提高配准方法的收敛速度，我们采用遗传算法和加速梯度算法相结合的优化算法。通过一系列合成图像，体模图像和临床图像数据的实验，验证了我们方法的有效性。 ●我们采用本研究以InsightToolkits(ITK)、VisualizationToolkits(VTK)、FlightToolkits(FLTK)和QT为基础，进一步开发图像分割、配准和可视化算法以及相关的应用程序。 ●文章最后给出了结论和展望。