医学图像的三维绘制技术一直以来都是国内外的研究热点。如今针对庞大的医学影像数据，如何进一步改进图像质量和提高绘制速度更是成为了挑战。传统的无论是基于CPU还是GPU(如早些时候基于GPU的通用计算)的绘制算法都存在着各种各样的不足之处：要么是硬件架构与通用计算不适配，要么实现算法进行编程非常困难，最终导致这些技术并没有被广泛应用于在医学图像绘制中。而人体的脑部结构相对其他组织结构来说比较复杂，使用传统的医学图像三维绘制方法，在脑部疾病诊断和科学研究过程中需要消耗临床医生和科研人员大量的时间，这给诊疗和科研带来很多不便。　　本文通过对当前常用的医学图像三维绘制算法进行对比和分析，基于CUDA架构的并行加速技术，对人脑部组织图像的体绘制算法进行了并行化处理。为了获得更高的性能，又对算法进行了优化。实验结果表明：基于CUDA架构的改进算法使三维绘制速度显著提高，从而改善了三维可视化难以实时绘制的缺陷与不足。　　论文的主要内容如下：首先，从阿尔茨海默氏病的神经影像学数据库获取脑组织图像原始数据，使用基于体素的形态测量学方法(Voxel-Based Morphometry，简称为VBM)和模糊C均值聚类(Fuzzy C-Means clustering algorithm，简称FCM)算法把脑组织核磁共振图像分割成脑灰质、脑白质和脑脊液三部分，将分割结果进行对比分析与评价，为后续用不同的算法分别进行三维重建做准备；其次，用光线投射算法对脑组织图像进行三维绘制，观察重建过程和图像绘制质量，并记录所用时间；最后，利用并行图像处理关键技术在CUDA架构上实现并行化处理，并主要从显存访问、指令流、线程分配、数据传输这几个方面进行算法优化，以获得更大的内存带宽、更大的指令吞吐量和更短的计算时间，利用基于CUDA的并行算法对脑组织图像再次进行三维重建并记录花费的时间，与未使用CUDA并行计算架构的情况进行比较，制定相应的参数和时间表格，对结果和性能进行分析。　　实验结果表明：在对人体脑组织进行三维绘制时，采用在CUDA平台上的并行算法不仅可以保证绘制质量，还可以将三维绘制速度提高几十倍，这对医生诊疗和科学研究都具有重要的意义。