虚拟手术是一种利用计算机、触觉反馈设备、视觉跟踪装置等实现外科手术模拟的技术,通过逼真的人体器官组织三维重建和力学模拟、精确的视觉定位和真实的触觉反馈,虚拟手术系统可为操作者营造出一个极具沉浸感的手术操作环境,医生在做手术之前,通过虚拟手术技术的协助,能在手术模拟器上重复地模拟手术,从而确定最优的手术方案。虚拟手术中伴随着多种生理物理现象的模拟,其中血流模拟是虚拟手术中的一个关键问题,实时逼真的血流模拟能极大地提高虚拟手术中操作者的沉浸感。一般采用基于物理的方法来进行血流模拟,物理模拟方法主要分为无网格法和有网格法两大类,其基本思想都是将连续的流体区域转换为离散的单元进行求解,以往的基于物理的血流模拟很少考虑到血流的非牛顿特性,导致血流模拟的物理真实性不足,而且由于物理模型的计算复杂度很高,很难实现实时的血流模拟。针对上述问题,本文研究虚拟手术中高沉浸感血流模拟方法,旨在提高血流模拟的真实感和实时性,主要做了以下工作:1)提出一种基于光滑粒子流体动力学(Smoothed Particle Hydrodynamics-SPH)方法的血流非牛顿粘性力求解方法,该方法引入非牛顿流体力学的卡森模型来对血流应变率相关的粘性系数建模,并通过SPH方法离散化求解血流的粘性系数和血流的非牛顿粘性力;2)提出了一种基于混合粒子的GPU加速度的血流血管耦合及受力可视化方法。通过在血管壁采样代理粒子实现边界处理;将代理粒子和血流粒子合并成混合粒子,对于相邻的每对混合粒子,在GPU中并行地计算两者之间的作用力;将血管壁采样粒子的受力信息映射到其色彩分量,从而实现血管壁受力分布可视化;3)将基于物理的血流模拟方法与机器学习方法相结合,提出了一种基于数据驱动的血流模拟方法。该方法通过(1)(2)的物理模拟方法获取血流模拟数据,结合血流粒子邻域特征和血流物理模型构造血流数据特征向量,以特征向量为输入,以加速度为输出,利用神经网络算法训练并建立数据驱动的血流模拟模型。