医学图像的三维重建，也称为医学图像的三维可视化，是当前科学可视化研究中的一项重要内容，是数字图像处理、计算机图形学在生物工程领域的重要应用。医学图像的三维重建可以将采集到的二维断层图像序列转变成立体直观的图像，显示出入体器官或组织的三维结构与形态。目前，医学图像的三维重建在医学辅助治疗领域发挥着越来越重要的作用，在手术规划、虚拟内窥镜、远程医疗等领域都有着广泛的应用。　　基于经典的MC算法，提出了一种基于高效体素遍历和GPU加速的移动立方体算法。高效体素遍历采用一种类似于区域增长的方式选择体素，减少对空体素的访问。GPU加速可分为基于顶点着色器的加速和基于几何着色器的加速。基于顶点着色器的加速，CPU负责选择体素及查找连接表，然后将体素索引和等值点所在的边号等信息传到顶点着色器中，在着色器中完成等值点的坐标及颜色的计算。基于几何着色器的加速，则由CPU将体素索引和体素状态传到几何着色器中，然后在几何着色器中查找相关表完成等值点的输出。　　提出了一种新的光线投射算法，采取了一种快速求交的策略，将光线与平面族的求交与球形包围盒相结合。求取光线与平面族的交点之前，先用球形包围盒过滤掉一部分光线，然后再判定剩下的光线是否与数据场相交。通过两步判定后，最后我们求得光线与三维数据场表面的两个交点，通过两个交点确定出需要求取的平面族的最小范围。光线与平面族的交点可直接作为采样点，但当采样步长较小时，往往需要在体素内部增加采样点。针对体素内部采样点三线性插值计算量大的特点，本文提出了一种基于设定误差的插值方法。