探究乳腺癌调强放射治疗影像引导锥形束CT（Cone-beam CT，CBCT）匹配区域的选择对靶区精度的影响，为临床应用提供参考。回顾性分析2020年1月至10月乳腺癌保乳术后行放疗患者22名，比较入组病例不同匹配框对靶区匹配精度的影响，设置胸骨组（对照组1）、胸椎组（对照组2）与胸骨胸椎+靶区组（研究组）3种不同匹配区域进行配准，每组测量记录匹配误差、CBCT与定位CT靶区术腔边界金属夹位移数据。共获得匹配误差与靶区金属夹位移数据各528组，对所得数据采用独立样本非参数检验分析并计算3组金属夹的3D矢量距离。胸骨组与研究组匹配误差除旋转误差X轴方向差异有统计学意义，其余方向差异均无统计学意义（p>0.05），胸椎组与研究组的匹配误差均无统计学意义（p>0.05）。胸骨组与研究组靶区金属夹在X、Y、Z三个方向位移分别为：（1.59±1.61）mm与（1.23±1.19）mm（p=0.045）、（1.65±1.44）mm与（1.89±1.52）mm（p =0.006）、（1.13±1.18）mm与（1.37±1.31）mm（p=0.999）；胸椎组与研究组靶区金属夹在X、Y、Z三个方向的位移分别为：（1.51±1.83）mm与（1.23±1.19）mm（p =0.002）、（1.69±1.84）mm与（1.89±1.52）mm（p<0.001）、（0.91±1.28）mm与（1.37±1.31）mm（p=0.003）。三组靶区金属夹3D矢量距离分别为：（3.16±1.92）mm、（3.62±1.92）mm、（2.52±1.53）mm。乳腺癌调强放疗CBCT自动配准最佳匹配区域应包括胸骨、胸椎与患侧靶区，术腔放置金属夹能提高乳腺癌放疗靶区匹配精准度。

针对传统扩散光学层析（DOT）成像方法获取的图像精度较低，且主要对规则的圆形异质体进行重建的问题，本文利用解剖图像提供的结构先验信息并结合具有网络模型简单、需要调整的网络参数少、网络训练速度快等优点的栈式自编码（SAE）网络，发展了基于多信息融合和SAE网络的DOT图像重建方法。为验证所提方法的可行性和有效性，进行了一系列的数值模拟和定量评估。实验结果表明，与无先验信息方法相比，该方法可有效提高低吸收对比度（1.5）情况下的图像质量，使得平均绝对误差降低62%，均方误差降低11%，定量重建率值由139%降低为107%更接近100%。对单目标和双目标椭圆形异质体重建时，融合先验信息的方法获得重建图像的位置、尺寸、形状以及吸收系数更接近真实值，与无先验信息方法相比平均绝对误差至少降低8%，均方误差至少降低5%，定量重建率值更接近100%。

针对DCE-MRI 乳腺癌病变区的浸润范围勾画精度低、结构形态变化大、强度不均和边界对比度低等原因，导致乳腺癌病变区自动化分割存在准确率低和错分割的问题，为此，本文构建了一个二阶段乳腺癌病变区分割框架，提出一种乳腺癌病变区分割模型UTB-net，分别在编码路径和末端整合多尺度和Non-local，在解码路径构建注意力-残差模块。首先，利用基准U-net网络模型实现对乳房区域的粗糙勾画，消除影像中胸肌肉、脂肪、心脏等不相关组织对乳腺癌分割的影响。然后，基于提取的ROI结果，在模型的编码路径嵌入了多尺度信息融合和Non-local模块。最后，在解码路径构建了一种注意力-残差混合解码模块，并引入深度监督机制，以提高乳腺癌病灶的分割精度。实验结果表明：相较于U-Net基准模型，乳腺癌分割指标DICE，IOU，SEN，PPV分别提升了4%，4.78%，5.92%和3.94%。所提模型在提高了乳腺癌分割结果的同时，减少了小面积误分割和钙化分割。

乳腺癌是女性常见癌症之一，乳腺癌区域的精准检测对乳腺癌的治疗有至关重要的作用。本文采用频率为2.52THz的连续太赫兹波反射式成像系统，对小鼠在体皮下乳腺癌模型进行了太赫兹波成像检测。研究结果表明，太赫兹波成像可以清晰识别出乳腺癌区域，且与肉眼可见肿瘤区域一致。在体乳腺癌区域的太赫兹波相对反射率高于正常组织，两者相对反射率差值高达15%。进一步，对距离皮肤表面不同深度的离体乳腺癌组织进行切片和苏木精-伊红（H&E）染色，作为金标准对照。结果发现乳腺癌区域的面积随着距离皮肤表面深度的增加而增大。通过将太赫兹波成像与H&E染色结果对比可知，在距离皮肤表面约460μm处，太赫兹波图像和H&E染色图中的肿瘤区域面积相等。由此可知，太赫兹波对在体皮下乳腺癌的探测深度大约在460μm左右，太赫兹波有望实现深部肿瘤的检测。