医学图像分割,尤其是三维体数据上的器官分割,是目前的一个研究热点。它是一个多学科交叉的研究领域,是计算机数字图象处理在生物医学工程中的重要应用。它涉及了图象与信号处理和医学影像学、诊断学等方面的相关知识,同时三维体数据及其分割结果的可视化又需要借助计算机图形学技术。医学图像分割及其可视化在诊断医学、手术规划及模拟仿真、放射治疗规划、解剖教学等方面都有重要应用。因此,对医学图像分割的研究,具有重要的学术意义和应用价值。然而,医学图像处理中的一大问题是数据量巨大,许多优秀的图像处理和分割算法又往往需要相当大的运算量,因而,对医学图像进行分割等处理时,常常要耗费大量的时间,从而在一些方面限制了它的应用范围。随着计算机硬件技术的飞速发展,图形处理单元GPU的计算能力近年来呈几何级数增长。如今,GPU已不仅被用于图形渲染,还凭借着其出色的浮点计算能力、流式并行架构以及灵活的可编程性,被越来越多的人用于进行图形学以外的其他领域上的通用计算,从而形成了一项新技术——GPGPU技术。本文研究的主要内容,就是利用GPU的高速计算性能,来解决一些医学图像处理和分割中的问题,从而提高程序运行效率,改善用户体验。文章分为两大部分,分别研究了GPU在与医学图像分割相关的图形计算和通用计算中的应用技术。在图形计算部分,本文对已有的Ray Casting体绘制算法加以改进,使其支持多分割对象的同时绘制,并且设计和实现了基于Ray Casting的三维分割交互方式。在通用计算部分,本文首先介绍了利用GPU的图形渲染管线进行通用计算的基本思路和技巧,然后以一些实例说明了使用GPGPU技术进行二维和三维图像处理的基本方法和步骤,最后分别对基于扩散的三维区域生长分割和基于GPU的Graph Cuts三维图像分割作了详细的研究。文章还通过实验,对GPU和CPU实现的几种分割算法的运行速度进行对比,从中可以看出,GPU对于三维医学图像分割具有巨大的加速作用。