医学图像三维可视化指的是将由高科技成像设备X Radio、CT、MRI扫描所获的2D切片图像重建出人体生理组织及器官的3D模型的过程。它在生物医学领域发挥着重要作用,像医学诊断、影像教学、手术仿真等。目前,由于3D重建计算量巨大,为实现实时性的3D绘制,大多数3D产品的开发需用到昂贵的图形显卡或专业的图形工作站。本文在对与可视化技术相关的图像分割、3D重建等进行深入分析的基础上,研究了基于模糊理论和CUDA并行开发平台的而绘制技术。具体工作如下：1、图像分割：由于医学成像设备元器件的随机抖动现象会导致噪声的产生,加上人体生理组织器官本身结构的复杂性,致使医学图像具有模糊性和不稳定性的特点。标准的模糊C均值聚类分割算法充分考虑到了图像的特征,但却仅对类似于正态分布或球类分布的图像具有较好的分割效果,且算法执行时间较长。本文结合Mercer理论和快速模糊C均值聚类算法,实现了基于高斯核函数的快速模糊C均值聚类算法,有效的提升了模糊均值聚类算法对处于任意簇分布的图像进行分割的高效性和准确性、突出了图像的感兴趣区域,改善了图像的视觉效果。2、图像3D重建：在使用并行MC算法进行3D重建之前利用并行计算的方式对边界体素进行提取。在使用MC算法进行图像的3D重建之后,利用两种不同的方式对等值点进行存储,即利用CPU内存存储等值点和利用CUDA缓冲区VB存储等值点。通过对比试验发现,利用缓冲区存储等值点的方案有效的提升了图像渲染的速率,实现了实时性的3D维绘制。3、三维可视化系统：本文设计与实现了基于CUDA的3D可视化系统,该系统分为图像滤波、图像分割、图像重建及可视化等模块。在3D重建模块中实现了以下功能：光照模型和图像颜色设置、任意等值面的提取、组织器官的3D剖切、人机的实时性交互。