目前，医学图像处理与分析越来越受到重视，已成为癌症诊疗的重要步骤。作为医学图像处理与分析的两种关键技术，医学图像配准和分割是图像融合、图像重建、图像可视化、图像理解和目标识别的基础和前提，在临床诊断、放疗规划、手术导航、疗效评估、解剖教学与研究有着广泛地应用。但是由于配准和分割问题通常是病态的，在加上医学图像的复杂性与多样性，使得医学图像配准和分割依然存在许多难题。尤其是一些新成像技术如4D CT、CT透视(CTF)、多模态MRI(磁共振成像)等的出现，又给医学图像配准和分割带来了新的挑战。本文内容围绕医学图像配准和分割算法展开，重点研究一些新成像技术在癌症诊疗中所涉及的医学图像配准和分割问题。本文的主要工作和创新点如下：（1）准确地估计肺部呼吸运动，对肺癌放疗计划的合理制定有着重要的意义。以往的肺部呼吸运动估计方法一般采用呼吸传感器或利用X射线透视、CT等图像对呼吸运动进行测量和估计。然而受限于方法本身或成像方式，估计的结果往往不理想。本文以4D CT作为研究对象，提出了一种基于B样条的形变配准算法，并将该算法应用在4D CT上，通过配准4D CT不同呼吸相位的图像实现对肺部呼吸运动的估计。考虑到呼吸运动是非均匀的，既存在大的变形也存在小的局部变形，而B样条具有局部可控性，因此B样条形变模型可以精确描述呼吸运动。针对配准参数的优化问题，本文采用有限差分法，充分利用B样条形变模型具有局部可控性的优点,加快了配准的速度。同时采用多分辨率优化的策略，进一步提高配准的性能。接着采用基于区域生长的分割算法实现对肺部区域的粗略提取。最后通过实验对配准算法进行了验证，实验结果表明本文的配准算法具有比较高的精度，可以实现对肺部呼吸运动的精确估计。作为算法的一个应用，我们对8个病人的呼吸运动进行了估计并给出了统计结果。（2）CTF作为介入手术如经皮肺穿刺活检的引导图像，可以提供近乎于实时的病人解剖结构信息，然而CTF只采集病灶周围4-10张二维CT图像，不能提供足够的三维解剖信息，并且手术中需要进行反复采集，可能会给病人和医生带来比较大的辐射。为了更好地利用CTF，本文首次提出了一种带呼吸补偿模型的CT-CTF快速配准算法，把术前的吸态末CT配准到术中的CTF上，将配准后的CT图像作为引导图像为手术提供三维引导。由于CT-CTF配准是一种特殊的配准问题：CT是3D图像覆盖整个或大部分肺部区域，而CTF只有很少的几张图像，可以看做是2.5D图像。传统的形变配准算法不适合这种特殊问题。为此，我们对基于B样条的形变配准算法进行改进，只对变形场x-y方向的位移用二维B样条进行建模，而z方向的位移只进行光滑性约束，整个变形场依然定义在三维。为了提高配准的精度，我们将呼吸补偿模型引入到CT-CTF配准中。同时为了提高配准的速度，使配准能够在几秒中之内完成，从而为医生留有更多的手术时间，我们采取了分块并行配准的策略。同样地，在配准参数优化时，采用有限差分法和多分辨率配准策略来提高配准性能。在实验部分，设计了仿真数据和真实数据实验对算法进行评估。实验结果表明我们的配准算法可以取得令人满意的结果。（3）相比于单模态磁共振图像，多模态磁共振图像能够从不同角度提供病变部分更详细的组织结构信息，被广泛应用于脑胶质瘤(GBM)的诊疗中。由于GBM具有复杂的图像特征，如形状和外观变化多样，边界模糊，在周围组织发生变形等，从多模态MRI实现GBM的精确分割是一件非常具有挑战性的任务。现有的大部分分割方法存在效率不高，难以实现精确分割的问题。为了提高GBM分割的精度和效率，我们首次提出了基于超像素的GBM分割算法，将超像素方法和谱聚类、动态区域合并算法结合起来。首先在系统研究超像素生成算法的基础上，提出了带加权距离的局部k-均值聚类算法，将图像分割成一系列均匀的、紧凑的、能很好贴合图像边缘的超像素。接着分别采用了谱聚类和动态区域合并算法对生成超像素进行处理来提取GBM的不同组织，包括：坏死部分、活动肿瘤和水肿。最后，对15个GBM病人的多模态MRI数据进行了定性和定量实验。实验结果表明，相比一些经典分割方法如基于模糊C-均值聚类的方法(FCM)、归一化割(Ncut)，本文所提的分割算法更加精确。