医学图像的配准与匹配是计算机辅助治疗的一个关键技术。在现有的医学数据库中,存在的海量数据已经无法让医生在诊断时对所有的图像进行浏览分析,计算机的辅助可以帮助医生减少信息量,提高诊断的效率,所以在过去的几个世纪中,这个课题一直被作为一个重要的课题被探讨,很多相关的图像匹配模型以及算法也被提了出来,比如基于灰度的算法,基于傅立叶变换的算法,基于模拟退火的算法,基于小波的算法等等。但是大多数算法由于时间复杂度非常高,依然处在理论研究以及小规模使用的阶段,不能实现用于大规模医学图像的处理。这篇论文针对大规模的核磁共振脑部扫描图像提出了一个并行处理的模型,这个模型基于平等并行构架,使用数据库代替网络传输数据,提高整个模型的效率。并且因为这个模型不需要控制结点,所以易于扩展。基于核磁共振扫描图像的特征向量是由相关脑部医学专家定义的,特征向量包含了面积,灰度值,形状,位置等信息。一种基于这个特征向量的匹配算法也被提出来,算法中,特征的重要程度以权重的形式显示出来。在针对多组数据的实验结果中,显示了并行所带来的消耗和性能提高相比相当的微小,性能有了较大的提高。