Σκοπός της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη αλγορίθμων επεξεργασίας ιατρικής εικόνας για την ενσωμάτωση τους σε ιατρικές εφαρμογές ακτινοθεραπευτικού ενδιαφέροντος. Οι αλγόριθμοι αυτοί στηρίζονται στην αρχή λειτουργίας των χαρτών αυτο-οργάνωσης Kohonen και αξιοποιούν την πληροφορία που περιέχεται σε περιοχές των εικόνων γύρω από σημεία ενδιαφέροντος, ώστε να εντοπίσουν αυτόματα, με ακρίβεια και αξιοπιστία, αντιστοιχίες μεταξύ των εικόνων. Πιο συγκεκριμένα, ένας επαναληπτικός αλγόριθμος προτείνεται για την αυτόματη εύρεση αντίστοιχων σημείων σε ιατρικές εικόνες δύο διαστάσεων. Ο προτεινόμενος αλγόριθμος προϋποθέτει την εύρεση σημείων ενδιαφέροντος μόνο στη μια από τις δύο εικόνες και εντοπίζει τα αντίστοιχα σημεία στη δεύτερη εικόνα μέσα από μια επαναληπτική διαδικασία, η οποία προσομοιάζει τη φάση εκπαίδευσης του νευρωνικού δικτύου. Με βάση τα ζεύγη των αντίστοιχων σημείων, υπολογίζονται στη συνέχεια οι παράμετροι ενός μετασχηματισμού, κατάλληλου για να περιγράψει τη σχέση μεταξύ των δεδομένων εικόνων. Ο αλγόριθμος ευθυγράμμισης εφαρμόζεται σε δεδομένες εικόνες ηλεκτρονικής πυλαίας απεικόνισης (Electronic Portal Images), που λαμβάνονται πριν από κάθε συνεδρία της ακτινοθεραπείας, για τον υπολογισμό του σφάλματος τοποθέτησης του ασθενούς. Το ζήτημα της επαλήθευσης της θέσης του ασθενούς στην ακτινοθεραπεία αντιμετωπίζεται επίσης με τη βοήθεια μιας αυτόματης μεθόδου εύρεσης αντίστοιχων σημείων σε τρισδιάστατα δεδομένα, η οποία εφαρμόζεται για την ευθυγράμμιση της αξονικής τομογραφίας του σχεδιασμού της ακτινοθεραπείας και μιας αξονικής τομογραφίας επαλήθευσης, που λαμβάνεται πριν την πρώτη συνεδρία της ακτινοθεραπείας. Ο προτεινόμενος αλγόριθμος εντοπίζει αντίστοιχα σημεία ενδιαφέροντος στις δεδομένες τομογραφικές εικόνες και υπολογίζει τις παραμέτρους ενός μη γραμμικού μετασχηματισμού ευθυγράμμισης. Μετά την ευθυγράμμιση των δύο τομογραφιών, υπολογίζεται η μετατόπιση του ισοκέντρου στην τομογραφία επαλήθευσης σε σχέση με τη θέση του ισοκέντρου που προβλέπεται στην αρχική τομογραφία του σχεδιασμού. Με την ενσωμάτωση αυτής της μεθόδου ευθυγράμμισης στη διαδικασία της ακτινοθεραπείας, ικανοποιούνται δύο ανάγκες της κλινικής πρακτικής. Αφενός, η μετατόπιση του ισοκέντρου, όπως υπολογίζεται από την προτεινόμενη μέθοδο, παρέχει μια αξιόπιστη ένδειξη για τη μετατόπιση του ασθενούς που απαιτείται πριν τη χορήγηση της ακτινοβολίας. Αφετέρου, επιχειρείται η καλύτερη αξιοποίηση των πόρων του τμήματος της ακτινοθεραπείας με τη διαδικασία της εύρεσης του ισοκέντρου της ακτινοθεραπείας να λαμβάνει χώρα στην αίθουσα του αξονικού τομογράφου και να μειώνεται συνεπώς ο χρόνος που απαιτείται για την προετοιμασία του ασθενούς στον γραμμικό επιταχυντή κατά την πρώτη συνεδρία της ακτινοθεραπείας. / Aim of the present thesis is the development of image processing algorithms for radiotherapy applications. These algorithms are based on the principles of Kohonen Self Organizing Maps and exploit the information contained in image regions around distinctive points of interest, in order to determine image correspondences in an automatic, accurate and robust way. In particular, an iterative algorithm is proposed for automatic detection of point correspondences in two-dimensional medical images. The proposed algorithm requires the extraction of interest points only in one image and detects the homologous points in the second image through an iterative procedure, respective to the training phase of a neural network. Subsequently, the parameters of an appropriate registration transformation are computed to describe the mapping between the two images. The computation is based on the detected point correspondence. The proposed registration algorithm is applied to Electronic Portal Images, acquired prior to the radiotherapy treatment delivery, in order to estimate the setup error of the patient. The issue of patient position verification in radiotherapy is also addressed in the present thesis by developing an algorithm for automatic detection of point correspondences in three-dimensional medical data. The algorithm is used to register the CT data of radiotherapy planning to an additional verification CT, acquired prior to the first treatment fraction. The proposed algorithm detects corresponding points in the two CT images and computes the parameters of a non-rigid registration transformation. After the registration of the two CT images, the isocenter displacement of the verification CT is calculated with respect to the ideal isocenter position, defined in the planning CT. By integrating the proposed registration procedure in the clinical practice, two needs are met. Firstly, the isocenter displacement, calculated by the proposed method, provides a reliable indication of the patient shift, needed before the treatment delivery, for optimization of the dose delivery. Secondly, an improvement of the radiotherapy department efficiency is attempted by performing the procedure of isocenter marking in the CT scanner room and, consequently, reducing the time expenditure of the patient in the LINAC during the first radiotherapy fraction.