随着科技快速发达,医学影像设备广泛应用于临床检测,医学研究中。相较于其他医学成像技术,核磁共振成像技术对人体无创、无电离辐射、成像清晰,对脑部软组织分辨率高,因而在人脑相关研究中得到广泛应用。在核磁共振脑图像中准确、稳定、高效地提取脑组织对于后续临床诊断,脑部功能分析都具有重要影响。当前脑组织提取分为手动提取与自动提取两种方式,手动提取方式准确度高,但是整个过程耗时长,且提取结果具有主观性;自动提取方式处理速度快,提取结果准确度高、稳定性强,但是其中参数数量多且不固定,需要多次手动调节参数以获得较好的提取结果。针对这个问题,本文提出了一种基于点阵SIFT特征匹配的脑组织提取方法。该方法首先在脑组织边界临近处初始化活动点阵,然后利用改进的BET算法对活动点阵进行演化,推动其靠近脑组织边界。在BET算法演化过程中,将活动点阵顶点作为关键点,通过SIFT算法提取其描述子。将描述子的欧式距离与关键点的空间距离作为计算关键点相似性的衡量标准,并将目标图像关键点与模板图像关键点相匹配,根据匹配结果实现参数的自动调优。通过多次BET演化后,再利用图割法对其进行边界细化,得到最终精准的脑组织边界。由于SIFT算法耗时较长,而该方法中频繁使用SIFT算法,因此本文基于CUDA架构对SIFT进行并行优化,以提升SIFT运行速度。通过线程网格的划分,各线程块并行计算点阵中各顶点的主方向、特征描述子,并完成顶点间匹配。实验证明,并行优化的SIFT运算时间大大缩短,可以在较短的时间内完成顶点间的匹配。本文将改进的BET算法与图像匹配方法相结合,对脑组织进行由粗到细的提取过程,实现了参数的自动调节。同时,使用CUDA对SIFT算法进行加速。经过多次实验可以证明本文算法能够得到良好的提取结果。