光学分子影像学具有安全、无创、低成本、高特异性、探针制备储存方便等优势,使其成为现今分子影像技术的研究热点。在光学分子成像领域中,如何准确地描述光在生物组织中的传输并对此进行精确建模及快速求解是首要问题。在众多光传输模型中,作为RTE高阶近似,SPN模型成为近年光学分子成像领域研究的重点。由于SPN模型随着阶数N的上升,其计算代价的快速上升限制了它的应用。本文提出一种基于GPU的加速策略,该方法基于NVIDIA公司推出的通用并行计算框架——统一计算设备架构(Compute Unified Device Architecture, CUD A),对整个求解过程中耗时最大的两个模块——刚度矩阵的生成和线性方程组的求解进行并行加速。在充分考虑的CPU和GPU的架构特点后,对程序进行相应的优化,包括对计算任务的分配、对存储器和数据通信的合理使用以及对数据的简单处理,充分体现CPU/GPU混合平台的优势,进一步提高加速效果。最后通过设计实验验证了加速算法的准确性,通过实验对比得到算法的加速比,结果表明该方法具有良好的加速效果。