目前,心血管疾病已成为世界疾病的首位死因。为了早预防心血管疾病的发生,光学相干断层的影像技术(OCT)可以对心血管疾病精准判断,但是血管内OCT成像时需要处理大量的数据。根据现有采用CPU的串行方式处理导致数据处理时间长。因此,将CPU串行的运算算法移植到图像处理单元(GPU)中解决数据并行处理的问题,并且实现血管三维OCT的图像重构。本论文阐述GPU在CUDA软件体系中对GPU的和内核配置和线程管理,解决血管内OCT影像2D和3D数据的并行处理问题。本文主要内容包括以下几方面:1.提出了血管内OCT成像数据并行处理方法:血管内OCT成像技术在血管检测的成像需要对大量的数据进行处理,并且实现血管OCT系统实时的处理2D和3D的数据。对比FPGA、DSP、GPU和CPU对数据处理的效率验证,确认血管内OCT系统采用GPU的设计方案。将数据处理的串行算法移植到GPU中实现血管OCT的数据并行处理。验证各个GPU函数接口的运行效率。2.提出了GPU并行算法内核配置和线程管理优化方法:在CUAD软件体系下实现GPU的内核和线程资源配置的算法接口。将GPU算法的控制接口输出动态链接库(DLL),在Lab VIEW软件平台上调研GPU算法接口进行仿真,对比血管OCT成像各算法实现数据并行的效率。3.研发基于GPU数据并行处理方法的心血管OCT影像系统和3D建模:搭建血管内OCT技术成像的硬件系统,在Lab VIEW软件平台调用CUDA的算法实现血管内OCT成像系统的2D实时成像。在该平台上验证GPU极坐标运算和动态线程管理的运算结果,实现较大的加速比。最后实现血管内OCT成像的3D重构,通过GPU加速实现血管内OCT的成像系统回拉300帧的图像进行3D模型。因此,通过低成本的GPU的方案实现血管内OCT系统实时图像显示3D血管内的组织可视化,该系统满足了心血管疾病精准诊断的需求。