目前,医学图像处理中的医学图像分割方法是一个热门课题,这个领域的研究和开发工作已经有了很多年的发展历史,众多的图像分割算法已经被相当多的学者提出。但是纵观各种的图形处理方法,无不是伴随着海量的数据的运算,对于小型的、平面的数据,由于数据规模较小,分割的效果比较好。但随着各类医学仪器的发展,CT/MR的精度不断提高,医学图像的数据量不断加大,对于数据量较大的平面和三维数据来说,传统的分割算法在进行分割过程中需要消耗大量的时间,对于实时医学图像分割来说还有许多技术问题需要急切解决。目前,随着图形卡硬件的快速发展,基于图形卡硬件的医学图像分割方法已经是一个热门课题,已经有相当多的学者开始涉及这个领域的研究和开发工作。随着研究的深入,我们已经取得了很大的成果,但是分割算法还有很多问题尚待解决。比如由于图形卡硬件的限制,一些需要复杂数据结构的分割算法,比如区域增长等还比较难在图形卡硬件上实现,即使生硬地解决了此问题,运算速度还是不够理想,而且将医学图像分割的结果用于实时显示时,还会遇到很大阻碍。基于图形卡硬件的医学图像分割的目标就是要借助于图形卡硬件适合于大规模并行运算的能力来大大提高传统分割算法的速度。在日益增多的临床案例诊断中,快速分割是必须的,虽然已经有大量的研究工作,而且也有很多方法,但是需要克服的难点依旧很多,只有进行更深层次的研究,才能最终提高医疗水平。综上所述,本硕士学位论文所要研究的目标就是改进,加速优化原有分割算法,并在前人的基础上不断创新。本论文的主要工作和创新点是:1)针对现有的基于图形卡硬件的区域增长算法速度较慢的现状,使用了一种新的基于区域标记的并行区域增长分割算法,并用图形卡硬件来提升速度。2)针对树枝状的器官,使用了基于图像骨架重建的区域增长分割算法,来求取其中心线,并由此中心线来重建图像。并通过图形卡硬件来加速算法。