伴随着科学计算可视化技术的不断发展,医学影像三维重建技术在疾病珍断、手术导航和辅助教学等方面也开始发挥着越来越重要的作用。其中的三维重建体绘制算法可以将各组织器官内部的层次关系和结构特征表现出来,呈现出具有丰富三维信息和强烈真实感的重建结果,因此具有广泛的发展空间和良好的发展前景。由于医学影像的数据规模较大,传统的基于CPU的三维重建算法并不能很好的达到实时性的需求。近些年来,随着基于GPU通用计算技术的迅速发展,使得这一问题出现了新的解决思路。开发人员可以通过充分利用GPU具有大量流处理器的特性来优化算法效率,医学影像三维重建的典型体绘制算法光线投射法就具备可移植的特性,本文正是基于这一课题展开分析研究的。本文首先分析研究了基于GPU进行程序设计的两种编程模型,分别是Cg语言和CUDA架构。Cg语言是将着色器程序段嵌入到图形固定渲染管线中来实现对GPU芯片中处理器与存储器的控制,而CUDA架构则是全新的面向通用并行计算的编程模型,可以实现对GPU处理器与存储器细粒度的控制。本文分析了基于GPU的多通道和单通道光线投射算法,并以此为基础提出了一种改进的基于GPU的单步光线投射算法。只需要渲染体纹理立方体前后表面各一次就可以得到投射光线的入射点、方向和出射点等参数,并且通过深度值配合FBO对象来计算光线穿越的最大路径,减少了渲染数据量。实验结果表明,该算法能够较好提升算法的执行效率。本文分析了CUDA架构的设计思想和编程模式,并且针对其特点对传统的基于硬件加速的光线投射算法进行了改进。分析了CUDA架构下该算法实现的几点关键问题,结合实验平台硬件环境的特性设计了线程分配方案,并且运用PBO对象和共享存储器给出了一种基于CUDA架构光线投射算法的实现方案。实验结果表明能够快速、高质量的完成医学影像的三维重建。文章还对基于GPU的两种加速方案进行了实验数据的对比分析,并得出结论不论是在重建效果还是在渲染效率上,CUDA架构都是实现医学影像三维重建算法加速的最佳选择方案。