医学影像算法平台(通常也称作为算法工具包Algorithm Toolkit)的研发是医学影像领域的一个研究热点。目前国内外已经有了许多成熟的医学影像算法平台，包括VTK、ITK和MIITK等。这些平台集成了很多成熟的医学影像算法，为医学影像软件的开发提供了丰富的算法库，极大地便利了医学影像领域的研究者。三维图像重建算法用于将3DUS、CT、MRI、PET以及OI等医学成像设备采集到的原始数据重建成三维图像(体数据)以供后处理与分析，是医学影像算法中的一个非常重要的内容。但是目前多数医学影像算法平台(包括VTK、ITK和MIITK)还是停留在医学图像后处理与分析领域(可视化、分割、配准等)，而没有集成三维图像重建算法。　　 针对上述问题，本文在我们实验室自主研发的集成化医学影像算法平台MITK的基础上设计并实现了一个统一的多模态三维图像重建框架，并在此基础上具体研究了三维超声图像重建算法及其在该多模态三维图像重建框架下的实现。本文的具体工作如下：　　 ①提出了一种统一的多模态三维图像重建框架，并在集成化医学影像算法平台MITK中实现。在该多模态三维图像重建框架下，可以实现各种医学成像模态(3DUS、CT、MRI、PET、OI等)的三维图像重建算法，而且对于每一种成像模态，可以不断扩展新的三维图像重建算法。该框架的实现使得MITK能为医学影像领域的研究人员提供从成像到后处理与分析的算法框架。　　 ②提出了两种像素最近邻(PNN)加速算法，包括基于CPU的PNN加速算法CBAA和基于GPU的PNN加速算法GBAA。GBAA算法创新地利用GPU实现了PNN，能在1秒内完成500幅二维超声图像的三维重建，而CBAA算法可以在5秒内完成500幅二维超声图像的三维重建，从而可以达到临床应用对实时成像或接近实时成像的要求。　　 ③提出了一种半自动的重建体预定义方法和一种基于GPU的实时可视化三维超声图像重建算法GBRVRA。这种半自动的重建体预定义方法可以快速而便捷地确定一个紧凑的并且与观察角度保持一致的重建体。GBRVRA算法可以在一幅B超图像采集周期内(40毫秒)完成一幅二维图像的三维重建及重建体的体绘制，从而可以在传统自由臂三维超声成像所需的数据采集时间内，引导操作者完成高质量的数据采集与三维超声图像重建。　　 ④在上述三维超声图像重建算法研究的基础上，完成了三维超声图像重建在所设计的多模态三维图像重建框架中的实现，包括相关原始数据类、文件读写类以及三维超声图像重建算法类的设计与实现，并在此基础上集成了上述CBAA算法和GBAA算法。此外，在MITK的体绘制框架中实现了多种体绘制算法，并实现了基于体绘制的三维交互测量。　　 全文共分五章。第一章介绍在医学影像算法平台中集成多模态三维图像重建框架的意义、医学影像算法平台的研究现状以及三维超声图像重建算法的研究现状。第二章介绍基于MITK的多模态三维图像重建框架的设计与实现，以及三维超声图像重建在该多模态三维图像重建框架中的实现。第三章介绍多种可以加速PNN重建的方法，以及基于这些加速方法的实时三维超声图像重建算法(GBAA和CBAA)的实现；第四章介绍半自动的重建体预定义方法，以及基于GPU的实时可视化三维超声图像重建算法(GBRVRA)的实现；第五章对全文工作进行了回顾，并对今后工作进行了展望。