题目：骨科手术系统中基于GPU的加速技术研究

基于医学图像的骨科手术引导系统对于提高手术的准确性和成功率具有重要意义，但是普遍存在如下局限：体绘制光线投射算法 (Ray Casting) 和数字影像重建算法 (Digitally Reconstructed Radiograph, DRR) 难以满足实时性要求。针对上述问题，本论文利用GPU的高度的并行特性和强大的运算能力，结合最新的并行计算构架—CUDA，提出了基于CUDA的光线投射算法和基于CUDA的数字影像重建算法。论文主要工作如下：(1) 将Ray Casting算法从CPU移植到了GPU，获得了较高的加速比；针对体数据采样阶段，本论文提出了利用三次B样条插值进行虚拟采样的策略，既提高了对体数据的采样率，增加了采样数，优化了成像质量，又没有对绘制性能产生额外的影响；针对体数据过滤阶段，本论文利用同样基于三次B样条的快速三阶纹理过滤采样体数据，增强了成像的平滑程度；使用CUDA构架而非传统的着色器模型，克服了图形流水管线的制约。实验验证了本论文提出的基于CUDA的Ray Casting算法，既满足了实时性要求，又提高了成像质量，可作为有效的医学体数据可视化工具。(2) 将DRR算法从CPU移植到了GPU，获得了很高的加速比，利用纹理存储器优化的内置三线性插值可以在不影响性能的情况下显著提高成像质量。实验验证了本论文提出的基于CUDA的DRR算法既能提高成像质量，又能获得三个数量级的加速比，为2D/3D配准的临床应用奠定了的基础。