随着计算机硬件技术的飞速发展,图形处理单元GPU近年来呈几何级数增长。凭借其强大的浮点计算能力、流式并行架构以及灵活的可编程性,GPU的应用从图形学领域扩展到科学计算等通用计算领域。　　 基于GPU的光线跟踪算法是GPU在图形领域的一个经典应用。体绘制中的光线跟踪算法进行图像合成时,需要遍历每一个体素,能够全面反应数据场的信息,但计算量巨大,图像生成速度慢。由于每条光线的计算过程互不相关,具有并行性,因此可以利用GPU的并行运算优势加速算法。传统基于GPU的光线跟踪算法采用多遍渲染的方法,增加了GPU显存与CPU内存之间的数据交换,且无法进行高质量的图像合成。本文提出的单遍算法在一个渲染程序中完成算法所有工作,减少纹理存取操作,且可以进行32位浮点级的图像合成,速度与精度均有所提高。面绘制中的光线跟踪算法,不需要计算和绘制中间几何图元,实现简单快速。本文通过GPU提高了图像的绘制速度,采用Phong光照模型、中值滤波等方法提高成像质量。　　 基于GPU的超声热疗仿真应用了GPU的通用计算技术。超声温热疗法经常用于肝癌等介入治疗,术前对疗效进行仿真时,选择有效的物理模型对声场准确估计非常重要。目前应用较广泛的是Garniel等人提出的基于Rayleigh积分的声场仿真模型,由于Rayleigh积分涉及大量的并行运算,传统的CPU实现方法速度缓慢,影响了仿真模型在实际中的应用。本文利用GPU强大的并行运算和浮点运算能力,将Rayleigh积分的计算移植到GPU上,在保证结果精度的情况下,大幅度提高了算法速度。