针对磁共振成像脑肿瘤分割存在的肿瘤空间信息变化大与精细标注样本数量少的问题，提出一种基于多尺度伪影生成对抗网络的脑肿瘤影像分割方法。该方法采用三维U-Net模型来获取脑肿瘤分割结果并充当生成器，引入三维PatchGAN作为判别器来评判U-Net输出的脑肿瘤结果与真值标签，通过对抗学习方式来进行模型训练。为提升脑肿瘤分割效果，在生成器编码阶段引入伪影模块，使得在卷积过程中能够捕获到更丰富的深度特征而提升生成器的脑肿瘤生成结果；同时，在解码过程中采用多尺度特征融合方式来有效整合脑肿瘤的浅层信息与深层信息，并在对抗学习中进一步提升分割性能。在公开的BraTS2019-2020数据集上对该方法进行了评估，实验结果验证了所提出方法在脑肿瘤分割任务中的有效性，在两个验证集上获得的全肿瘤、核心肿瘤和增强肿瘤分割Dice值分别为0.902/0.903、0.836/0.826和0.77/0.782。

建立了小鼠原位肝癌模型，利用活体荧光成像系统激发的荧光信号对肿瘤进行了定位，通过光声显微成像系统观察了正常肝小叶、肿瘤中心和癌旁的微血管结构特征和血氧功能。结果表明，正常的血管分布均匀、分化良好，而肿瘤的血管分布不均匀且混乱，分支直径增加，更适合低氧环境。光声技术在研究肝细胞癌方面展现出巨大的潜力，可以为肿瘤抗血管生成治疗和诸多肝脏相关疾病的诊断提供更深入的见解。

手术与化疗作为肝癌的主要治疗手段需要精确提取肝脏病变区域。针对目前肝肿瘤分割方法存在的小型肿瘤丢失、肿瘤边界分割模糊、分割严重错误等问题，提出一种融合注意力机制与残差可形变卷积的肝肿瘤分割方法。以U-Net为主干网络，在编码卷积层末尾增加一条带有反卷积与激活函数的残差路径，该路径与上层跳跃连接相连，解决池化与反卷积操作中的信息损失造成的小目标分割缺失与边界模糊问题；利用可形变卷积增强模型对肿瘤边界的特征提取能力；在跳跃连接层中添加一定数量的卷积层，弥补简单跳跃连接在特征融合时造成的语义空白；通过双注意力机制，模型更加关注肿瘤特征；采用混合损失函数，该函数在保证训练稳定的情况下解决类不平衡造成的分割性能下降的问题。在肝脏肿瘤公开数据集（LITS）上进行实验，所提方法的肿瘤分割Dice系数达85.2%，分割性能优于其他对比网络，能够达到辅助医疗诊断的要求。

脑肿瘤分割对医学图像处理领域发展与人类健康都具有积极意义。针对三维卷积神经网络存在复杂度大且对硬件设备要求高等问题，提出一种多视图卷积轻量级脑肿瘤分割算法。首先使用复用器模块有效融合各通道间的信息，并为模型增加提取非线性特征的能力。其次使用伪三维卷积分别从轴向位、矢状位和冠状位进行卷积，并加入组卷积以节约计算资源和降低设备显存使用。最后使用可训练参数权衡不同视图下提取的特征的重要性，提高模型分割精度。此外，实验使用分布式数据并行方法训练模型，以提升图形处理器的利用率。在2019年脑肿瘤分割大赛公开数据集上的实验结果表明，所提算法的平均Dice相似度系数仅低于第一名算法2.52个百分点，然而参数量与浮点运算次数分别降低了84.83%和96.67%，且平均Dice相似度系数高于第二名算法0.05%。通过对比实验分析，验证了所提算法的精确与轻量，为脑肿瘤分割模型的广泛应用提供了可能性。

光动力疗法是一种利用激光、光敏剂发生光化学反应从而特异性杀灭肿瘤细胞的药械联合疗法。治疗的柔性光纤可随人体自然腔道的弯曲而弯曲，通过内窥镜活检通道，光纤能够到达腔内近距离照射肿瘤部位。内窥镜辅助光动力疗法因具有显著的局部疗效和微创治疗优势而被广泛应用于腔道恶性肿瘤的治疗中。本文介绍了光动力治疗肿瘤疾病的内窥镜技术的发展，提出了在实现术前诊断、术中可视、视场统一及诊疗一体等目标中存在的技术问题，并汇总了解决方案。本文概述了光动力诊疗内窥技术在腔道肿瘤诊疗中的临床应用现状，以期为光动力治疗的精准化发展提供参考。

为了探讨iCBCT图像用于盆腔肿瘤剂量计算的准确性，本研究选取某院使用Halcyon加速器行放疗的病例30例，利用Eclipse 15.6计划系统重新设计容积旋转调强（VMAT）放疗计划，随后将首次治疗采集的摆位CBCT图像（iCBCT）与计划CT图像（pCT）进行配准，并将每例病例的VMAT计划（pCT计划）移植到iCBCT图像上，基于iCBCT图像标定的CT值－相对电子密度曲线重新进行剂量计算，生成新的治疗计划（iCBCT计划）。采用SPSS 26.0软件对两种计划的剂量学参数进行t检验分析。结果显示，iCBCT计划和pCT的计划相比，计划靶区（Planning target volume，PTV）剂量学参数中D₂、D₉₈、D_mean、适形指数（Conformity index，CI）和均匀性指数（Homogeneity index，HI）结果均较接近，差异平均值依次为0.71%、0.53%、0.97%、0.25%和0.95%，差异无统计学意义（p>0.05）。所统计的危及器官中，左右股骨头、直肠和膀胱的D_mean、D₅、V₂₀、V₃₀和V₄₀的差异平均值均较小，均无统计学意义（p>0.05），差异平均值最大的参数为膀胱的D_mean，差异值为1.71%。与pCT计划相比，iCBCT计划的Gamma通过率为1%/1 mm标准（88.1±1.1）%，2%/2 mm标准（97.8±1.2）%。两种计划的等中心点剂量与实测值相比差异平均值分别为0.98%和0.81%，差异均无统计学意义（p>0.05）。结果提示，在大多数盆腔病例中，iCBCT图像用于放疗计划剂量计算的结果准确、可靠，准确性满足临床应用的要求。

基于显微成像技术的肿瘤分级对于乳腺癌诊断和预后有着重要的意义, 且诊断结果需具备高精度和可解释性。目前，集成Attention的CNN模块深度网络归纳偏差能力较强，但可解释性较差；而基于ViT块的深度网络其可解释性较好，但归纳偏差能力较弱。本文通过融合ViT块和集成Attention的CNN块，提出了一种端到端的自适应模型融合的深度网络。由于现有模型融合方法存在负融合现象，无法保证ViT块和集成Attention的CNN块同时具有良好的特征表示能力；另外，两种特征表示之间相似度高且冗余信息多，导致模型融合能力较差。为此，本文提出一种包含多目标优化、自适应特征表示度量和自适应特征融合的自适应模型融合方法，有效地提高了模型的融合能力。实验表明本文模型的准确率达到95.14%, 相比ViT-B/16提升了9.73%，比FABNet提升了7.6%；模型的可视化图更加关注细胞核异型的区域(例如巨型核、多形核、多核和深色核)，与病理专家所关注的区域更加吻合。整体而言，本文所提出的模型在精度和可解释性上均优于当前最先进的(state of the art)模型。

谷胱甘肽（GSH）在多种肿瘤细胞中过表达，是肿瘤微环境的重要特征之一，以GSH作为触发因子可以实现肿瘤的精准治疗。GSH是一种内源性抗氧化剂，其分子结构中的巯基官能团能够快速消耗肿瘤细胞内的活性氧物种（ROS），降低光动力治疗（PDT）的效果；相反，GSH的消耗也可以增强PDT。因此，以GSH作为生物靶标及触发因子设计GSH响应型光敏剂有望实现高效精准的肿瘤PDT。本文首先对GSH在生物体内的作用进行了简单介绍，进而对GSH激活型和GSH消耗型光敏剂的响应机制与响应型PDT进行了详细阐述，最后对GSH响应型光敏剂在肿瘤光动力治疗中面临的挑战以及未来的发展方向进行了讨论。