锥形束计算机断层成像（Cone-beam Computed Tomography, CBCT）是现代医学CT成像领域中最前沿和热门的技术之一。然而在锥行束成像中，光子散射的问题严重制约了CBCT图像的临床应用和发展。常见软件校正法为通过散射核反卷积方法和经典蒙特卡罗(Monte Carlo，MC)方法估计光子散射分布规律进而实现散射校正。但散射核的设计难度大，并且散射估计不够准确;而经典MC方法虽能达到目的，却受到仿真效率低和收敛速度慢的限制而不能临床应用。因此，如何快速地实现散射分布估计是当前医学物理领域的研究热点。　　本文通过对光子散射物理规律和经典MC仿真方法的分析和研究，发现常规的MC模拟都是采用被动式的光子散射独立抽样策略进行仿真估计。正是由于这种光子独立抽样策略，使得经典MC仿真方法浪费大量的计算时间对无法到达探测器的光子进行模拟，导致模拟效率过低，阻碍了MC的临床应用。　　针对当前MC仿真方法瓶颈问题，本文提出了主动式的模拟方法，即基于Metropolis的快速蒙特卡罗散射光子模拟(gpu-based Metropolis Monte Carlo，gMMC)方法，从抽样原理的层面提升光子散射模拟效率。本方法主动地把模拟任务需求纳入可控光子路径变异空间中，通过自动抽样模型对光子路径进行变异抽样。然后通过Metropolis路径抽样算法比较前后抽样路径的重要性，选择对模拟相对重要的光子路径作为能量沉积路径，从而实现光子路径的自动重要性采样。可控的路径抽样方法摒弃光子的独立抽样策略，而把整条光子路径看作一个研究对象。为实现进一步提高效率，本文采用GPU并行计算架构实现硬件方面的加速。仿真和临床实验结果表明，本方法能有效提高光子散射模拟效率。与经典MC方法相比，散射信号平均相对差异基本小于3％，而仿真速度提高20～48倍。在不利用去噪平滑算法时，实现分钟级别的散射模拟。　　本文针对经典MC模拟效率低的问题，提出并实现一种新的MC模拟仿真算法，显著提高了光子散射的模拟效率。虽然本文研究内容已取得初步的研究成果，但对于实际的临床应用仍待更深一步的探究。