医学超声成像作为一门被广泛使用的影像诊断技术,其成像性能的提升受到了广泛关注,但目前成像质量与成像速度的相互制衡仍然是阻碍医学超声成像技术进一步发展和运用的关键问题。最小方差波束形成算法是一种具有很大提升潜力的基础自适应成像算法,一方面,很多学者对其进行了相关的改进研究,但鲜少有对其进行比较全面的综合性提升研究;另一方面,自适应波束形成算法因其高计算复杂度而难以实现实时性,这阻碍了其在实际临床诊断中的应用。本文针对自适应医学超声成像算法展开相应的研究,通过算子优化及GPU并行加速实现了成像质量和成像速度的同时提升。本文根据其原理流程提出一个提升算法成像质量的算法研究框架,将多算子优化的思想引入自适应医学超声成像算法的研究中,通过算子的针对性优化对自适应波束形成算法进行多方面的改进,从而获得一个成像质量得到极大提升的多算子自适应成像算法。同时,本文基于GPU实现了自适应成像算法中像素估计的粗粒度并行及数据计算的细粒度并行,为此类算法的实现提供一个并行加速框架,以帮助其实现成像计算的实时性。为了验证本文提出的多算子自适应成像算法及GPU并行加速框架的有效性,本文设计了相应的仿真实验对成像相关指标进行较为全面的定量分析。实验结果表明,一方面,本文提出的多算子自适应算法相比于常规自适应算法或单一改进的算法,具有最好的成像分辨率和对比度表现;另一方面,基于本文提出的GPU并行加速框架,可在单GPU上极大地提升此类算法的成像计算速度,相比于传统的CPU实现方案能达到上千倍的加速比,并且在算法最佳成像质量表现处能满足成像计算的实时性要求。可见,本文对于自适应医学超声成像算法的研究,能在成像质量得到提升的同时满足算法成像计算的实时性,为高清成像算法应用于实际临床诊断打下坚实的基础。