目的:探讨Elekta Unity磁共振引导放疗系统靶区自动追踪的可行性，引入Transformer大模型深度学习技术，进一步提升磁共振引导放疗实时靶区目标追踪性能。方法:回顾性收集75位已接受Unity磁共振放疗的胸腹部恶性肿瘤患者4 661帧电影磁共振图像(cine MRI)二进制图像作为训练集；并额外收集10位患者500帧cine MRI二进制图像作为独立测试集。开发医学图像格式转化运算模块，将二进制图像转化为医学元图像。对测试集cine MRI实施肿瘤靶区外轮廓人工勾画，作为真实对照标签。固定每一位患者的第一帧cine MRI为参考图像，基于Transformer技术，构建运动图像(除第一帧之外的其余cine MRI图像)相对于参考图像的形变位移矢量场(DVF)深度学习模型。计算戴斯相似系数(DSC)，95%豪斯多夫距离(HD 95)，雅格比行列式(NegJ )，平均单帧cine MRI图像处理时间，并与传统B-Spline方案比较，定量评估靶区目标追踪准确性、DVF物理合理性及模型执行效率。 结果:与B-Spline方案相比，所提出的深度学习方案具有更佳的靶区目标追踪性能，DSC [(0.84±0.05) vs. (0.74±0.16)， t＝11.44， P<0.05 ]和HD 95 [(9.25±2.98) vs.(14.70±8.55)mm， t＝－11.83， P<0.05 ]均有改善；且图像平均处理时间由1.95 s缩减到30.99 ms，效率提升了2个数量级。深度学习方案获得了与B-Spline方案类似的NegJ，说明提取到的DVF具有与传统方案相似的物理合理性。 结论:Transformer深度学习靶区自动追踪方案填补了Elekta Unity磁共振引导放疗系统的功能空白，可对胸腹部运动肿瘤目标实施较为准确且高效的自动追踪。