医学图像配准是指对一幅医学图像寻求一种空间变换,使它与另一幅医学图像上的对应点达到空间位置上的一致。配准过程本质上是一个多参数最优化问题,它是图像分析的基础,是图像融合的前提。自动快速的刚性医学图像配准可以将多组医学影像通过刚性变换摆放到同一个坐标空间中,是医学影像诊断的一种常用方法。医学图像的配准技术在手术导航、放射治疗、评估治疗效果等方面有着广泛的应用。2D-3D医学图像配准因其在临床辅助诊断、手术导航等应用中的重要作用,越来越受到人们的重视。在计算机辅助外科手术和图像导航外科手术中,图像配准是重要的一环,2D图像与3D体数据的配准为临床诊断和治疗提供实时信息,辅助手术的进行。一般是在术前获得3D体数据,术中获得2D图像,虽然2D图像缺乏空间信息,但是它获取速度快而且能够减少患者和医生暴露在射线中的时间,因此,我们将术中获得的2D图像和术前的3D体数据进行配准,补偿2D图像的一些空间信息。目前,2D-3D图像配准研究主要集中在刚性配准方面。由于其配准时间较长,一般难以满足临床应用中的实时性要求,本文是在学习了图形硬件--GPU编程技术的基础上,采用当前流行的并行编程语言--CUDA来加速配准的进程,以期该技术下的配准能够满足临床应用的要求。数字影像重建(DRR, Digitally Reconstructed Radiograph)在基于灰度的2D-3D医学图像配准中具有重要的作用,它是利用光线投射算法从3D体数据如CT中获得2D虚拟X线图像(DRR图像)。影像重建的质量和速度直接影响到配准的精度和速度,本文对数字影像重建技术作了一定的探讨,实现了对CT体数据的并行化数字影像重建。基于CUDA并行加速的技术大大提高了DRR图像的生成速度,为后续2D-3D配准研究作了必要的准备。2D-2D,3D-3D配准是最基本的配准操作,为了验证基于CUDA技术加速配准的可行性,本文首先对这两项操作进行了相关研究,取得了不错的实验结果。然后,我们在此基础上进行了基于CUDA的2D-3D加速配准的研究。以3D CT体数据为例,在2D-3D医学配准过程中,本文通过建立合理的坐标系,来模拟2D临床X线图像的生成环境,以单模图像配准中常用的对应像素灰度值差的绝对值之和作为相似性测度函数,结合Powell优化方法,与实际的临床X线图像进行配准。为了提高系统的配准效率,本文采用了压缩图像数据,压缩像素灰度级等方法。为验证基于CUDA的2D-3D医学配准技术的准确性,用已知位置的DRR图像作为参考图像,对该技术下的配准进行准确性测试。从测试的结果来看,该技术的配准精度可满足临床上的需要,即沿各个轴的平移误差在1mm以内,绕各个轴的旋转误差在1°以内。为体现该技术的时间优势,我们把配准平台从GPU变换到CPU,配准的操作流程、插值方式、相似性测度函数以及优化方法保持不变,从测试的结果来看,该技术的时间优势相当明显,加速比一般可达几十甚至上百倍。