准静态超声弹性成像是近年比较流行且已经投入临床应用的一种超声弹性成像技术。这一技术可以估计组织的弹性模量分布并且将其转化成可视的声像图,而生物组织的弹性或硬度改变与组织异常的病理状态密切相关,对于疾病的诊断具有相当重要的参考价值。因此,准静态超声弹性成像技术一经提出便很快成为研究热点,已经成为了医学超声成像中一项迅速发展的技术。与二维超声弹性成像相比,三维超声弹性成像技术具有形象直观、空间定位准确、及可多角度观察的临床应用优势,有效提升弹性成像的质量和准确性,具有非常重要的研究意义。目前虽然已有三维探头的出现,但是由于其价格较为昂贵,无法控制扫描区域大小等原因,并没有普及应用。现阶段三维超声成像的主流趋势还是通过二维线阵探头采集二维图像序列,再进行三维重建。传统的三维重建方法一般通过插值算法或者距离加权实现,而本文运用时下研究火热的深度学习技术,运用三维卷积神经网络(3DCNN)实现三维重建,提高了三维重建的质量。本文详细阐明了超声弹性成像的原理,传统的三维重建方法,3DCNN实现三维重建的方法。然后本文设计并实现了一种基于六自由度机械臂智能扫描的三维准静态超声弹性成像系统,包括六自由度机械臂运动控制端、超声图像采集端和三维超声弹性成像端,三端系统通过无线网络进行数据传输。其中机械臂控制端利用Kinect采集图像来确定扫描路径,然后控制机械臂沿扫描路径自动扫描。为了验证本系统的可靠性,本文进行了超声弹性体模实验、人体前臂实验以及三维重建质量评价实验。这一系列的实验结果表明,本文提出的系统可以获得清晰准确的二维超声弹性图,并且相比于传统的三维重建算法,本文提出的算法在三维重建质量上有显著提高。