血管靶向光动力疗法（Vascular Targeted Photodynamic Therapy,V-PDT）是一种通过光动力反应,选择性封闭病变血管实现靶向治疗的新型疗法,在临床中已经获得广泛应用。为了有效评估V-PDT疗效并及时调整V-PDT治疗剂量,需要对V-PDT治疗过程中各个V-PDT关键参量的变化进行实时监测。光学相干层析成像（Optical Coherence Tomography,OCT）是一种无损、快速、非侵入、高分辨率的光学成像方法,已经在V-PDT治疗监测过程呈现出巨大的潜力,并且基于双波段OCT系统可以同时监测血管形态结构和血氧饱和度两个参量,相比其它双模光学监测系统,系统结构简单,同时弥补了单一波段OCT成像在双参量监测中的不足。随着OCT技术和超高速线阵CMOS相机的快速发展,OCT系统信号采集速度越来越高,有研究表明FD-OCT系统的采集速度能够达到40 MHz/s。而相对的OCT数据处理算法又比较复杂,因此OCT系统的数据处理速度难以匹配其数据采集速度,导致临床实用性不高。同时,双波段OCT系统采集的光谱数据是单一波段OCT系统的两倍,因而,双波段OCT系统对数据处理的速度提出了更高的要求,如何提高数据处理速度,进而满足实时成像的要求,成为了双波段OCT系统监测V-PDT剂量的关键问题。基于中央处理器（Central Processing Unit,CPU）的传统串行数据处理算法程序在提升OCT数据处理速度方面无法满足实时成像的内在需求,因而,本文引入图形处理器（Graphics Process Unit,GPU）并行计算的概念,利用统一计算架构（Computed United Device Architecture,CUDA）开发双波段OCT实时成像的数据处理程序,实现双波段OCT数据处理的并行化。主要工作内容:（1）改进、优化和并行传统的OCT数据处理算法,将基于CPU的传统串行数据处理算法改进为优化的基于GPU的并行数据处理算法,对相关的算法进行效率上的优化,减少了中间参量的计算,并且实现数据处理过程的并行化,最终提升了OCT数据处理速度。（2）利用CUDA流的概念加速双波段OCT系统的数据处理过程,两个CUDA任务流可以分别处理双波段OCT中近红外波段和可见光波段的干涉光谱数据,进一步提升了OCT图像的数据处理速度。最终实验结果表明:以显卡GTX 960M为计算单元,在不牺牲成像质量的同时,处理一帧B-Scan（尺寸:2048 x 475）光谱数据:对于工作内容（1）,其优化后的插值算法和色散补偿算法的效率分别提升了近7倍和近7.6倍,基于GPU的单一波段OCT数据处理速度提升至37.1 f/s,基于GPU的双波段OCT数据处理速度提升至18.4 f/s。对于工作内容（2）,利用两个CUDA流进一步提升GPU双波段数据处理速度至23.8 f/s。因此,本文验证了GPU加速OCT数据处理的可行性,并且为将来双波段OCT系统进一步扩展血管造影成像和血氧功能成像提供了基础,进而实现V-PDT过程中靶血管和血氧的实时成像,有助于V-PDT精准和个性化治疗。