此课题主要研究内容为：（1）利用本科室脑胶质瘤患者的CT定位图像和CBCT图像建立一个医学影像深度学习数据库，对数据图像进行预处理；（2）研究一种深度学习方法，让神经网络通过有标签数据集去学习从受散射伪影污染的CBCT到CBCT无伪影医学影像图像之间的映射关系。由于真实的医疗系统无法获取无散射伪影的脑胶质瘤患者CBCT图像，本研究使用脑胶质瘤患者的CT定位影像来构建数据集，在此前提下，脑胶质瘤患者CBCT和CT图像的差异会最小化。（3）在上述研究的基础上，对成对的脑胶质瘤患者CBCT图像和CT图像进行配准，进一步减小两者之间的差异。（4）利用深度学习网络模型进行训练学习，提高脑胶质瘤患者CBCT图像质量，有利于更好的区分头部肿瘤病灶、水肿、坏死组织、血管、软组织等之间的对比度。