1.一种联合图像分割与形变配准技术的自适应目标区域转换方法，其特征是：包括以下步骤：

(1)采用基于图谱的自动分割方法，对采集的N组CT图像去除伪影、噪声成分，实现CT图像中的肝脏组织区域的自动分割，继而采用梯度矢量流方法进行胸肋骨自动提取；

(2)在N组图像中随机选取一组作为参考图像，其余作为目标图像，将得到的肝脏区域和胸肋骨分别进行肝脏图谱和胸肋骨图谱的创建；

(3)输入患者当前计划CT图像，采用梯度矢量流方法进行胸肋骨自动提取，将胸肋骨图谱作为参考图像，患者计划CT图像作为目标图像，以胸肋骨为特征，采用仿射配准算法与胸肋骨图谱进行刚体配准，得到患者计划CT图像中肝脏区域的初始值；

(4)使用基于正交小波基函数的形变配准算法对得到的肝脏区域与肝脏图谱进行形变配准，使肝脏边界更为精准，通过基于图谱的分割方法在患者计划CT上自动分割出肝脏区域；

(5)结合水平集模型与似然函数在计划CT上自动分割胸腹部肿瘤区域；

(6)以胸肋骨为特征，通过仿射变换将CBCT图像与计划CT图像进行刚体配准，为补偿刚体配准时不能恢复的形变范围，使用基于正交小波基函数的形变配准算法，计算出CBCT与计划CT的形变域，将计划CT中的危及器官和肿瘤的轮廓以及等剂量线信息自动转移到CBCT上；

所述步骤(6)中，其具体方法为：

将已导入加速器的计划CT作为目标图像，CBCT图像作为参考图像，采用梯度矢量流方法对CBCT图像进行胸肋骨自动提取，以胸肋骨为特征，利用仿射配准算法与患者计划CT进行刚体配准；为补偿刚体配准时不能恢复的形变范围，使用基于正交小波基函数的形变配准算法，获得形变域，将形变域三维小波分解后，使小波系数的初始值为0；采用非线性最小二乘LM优化算法，寻找合适的小波系数，根据所需精度控制在某个尺度上收敛；由估计到的小波系数得到参考图像与目标图像之间的形变域；将计划CT中的危及器官和肿瘤的轮廓以及等剂量线信息自动转移到CBCT上，进而实现剂量体积直方图分析。

2.如权利要求1所述的自适应目标区域转换方法，其特征是：所述步骤(2)中，具体方法为：

在N组满足条件的CT中随机选取一组作为参考图像，将其与目标图像采用仿射变换进行配准，所有的图像对齐后，统计空间每个像素存在的概率；N组图像数据配准后，得到一个概率图谱；采用多次循环迭代，以提高所建图谱的可靠性；

建立概率图谱后，根据具体应用环境选取合适的阈值，按照灰度值随图谱概率增大而增大的准则，把图谱从概率空间转化到灰度空间。

3.如权利要求1所述的自适应目标区域转换方法，其特征是：所述步骤(5)中，其具体方法为：

采用似然函数与水平集模型相结合的能量函数，在患者计划CT图像上自动获取胸腹部肿瘤区域；似然函数Ep(φ)由感兴趣区域能量函数eT(x)和背景区域能量函数eB(x)两部分构成；用似然函数的有限高斯混合模型估计感兴趣肿瘤区域密度分布，似然函数的高斯混合模型估计胸腹部背景区域密度分布，通过以上似然函数的估计来划分图像概率密度；水平集模型用于获得边缘轮廓信息，防止肿瘤边界泄漏。

4.如权利要求1所述的自适应目标区域转换方法，其特征是：所述步骤(6)中，在形变配准中，使用Navier偏微分方程描述发生形变的各向同性物质的平衡状态，通过Navier偏微分方程来建立形变能量函数，将形变域建模为小波系数的函数，其具体表达式为：其中，(x,y,z)表示参考图像的空间坐标系，(x′,y′,z′)表示目标图像的空间坐标系，u表示形变域，c表示小波系数，u是c的函数，u1、u2、u3分别表示目标图像上x,y,z三个方向上的形变域，它是小波系数c的函数。