医学图像配准是指对同一对象在不同条件(不同时间、不同成像设备、不同拍摄角度等)下获取的图像,通过寻求空间上的变换,将一幅图像映射到另一幅图像,使得两图像中对应于空间同一位置的点(同源点)一一对应起来,从而实现信息融合的目的。配准技术是图像重构、融合的前提,是其它处理算法和应用的基础。在临床实践中,利用医学图像配准技术将多组医学图像标定到同一坐标系中,是医学影像诊疗的常用方法,广泛应用于辅助诊断、治疗计划、手术导航和评估治疗效果等方面。医学图像配准本质上是一个优化迭代的过程,加之3D医学图像往往涉及到非常大的数据量,运算量大、耗时过多已成为图像配准在临床应用中的极大瓶颈。因此,本文在实现配准算法的基础上,利用GPU强大的并行计算能力,将配准过程中可并行的部分交由GPU来处理,加速图像配准进程,以满足临床应用实时性需求。首先,本文回顾了图像配准的研究背景、研究现状、发展历程。介绍了医学图像配准的基础知识,包括配准的定义、配准方法的分类及配准的基本流程。对配准框架中的四个基本模块所采用的各种技术进行了分析比较。其次,将配准算法流程分为四个模块：空间变换、插值、相似性测度及优化方法,详细介绍了各个模块设计和实现方法。并以牙模数据为例,借助ITK算法平台进行数据的读写及预处理,通过实验验证了本文配准算法的正确性。最后,针对当前3D配准技术在临床应用中耗时过大、不便于实时应用的通病,本文借助GPU的并行计算环境,使用CUDA编程语言对配准算法进行并行化设计与优化,大大缩短了配准时间。