1体绘制技术的研究现状近年来，三维体绘制在各个领域都得到广泛的应用，如电子计算机断层扫描（ComputerTomography,CT）在医学诊断中扮演着极其重要的角色，在地质勘测、流体力学方面也有着重要的研究价值。体绘制利用整个数据场信息，整合每个体素对图像的贡献，并把这些贡献综合起来投射到屏幕，最终生成一个具有三维效果的图像。这个图像不但能看到三维体的表面，在赋予一定的不透明度和颜色后能看到内部细节。体绘制的结果更加真实直观，这对于研究者来说，能对物体进行更加深入透彻的观察研究。在目前常用的体绘制算法有光线投射算法RayCasting）、足迹法（Splatting)、错切变形法（ShearWarp）、基于硬件的纹理映射（TextureMapping）等[2]。83931

许多发达国家在体绘制的研究和应用上向着实时绘制和交互方向进步。在超级计算机、光纤网络的基础上，和图形工作站结合，对研究也有很大帮助，在这个领域有很多的研究成果。

上世纪七十年代，出现了计算机断层扫描和核磁共振技术，这两项技术能够无痛获取人体内部机体数据，通过绘制得到三维图像，让人们在不动手术之前就能清楚地了解身体内部结构。1991年，美国科罗拉多大学医学院建立了一男一女的全部解剖结构的数据库，现在能在网络上浏览这些数据，研究人体不同部位的三维重建[3]。论文网

随着技术的进步，国内也逐步重视计算机图像处理在医疗方面的应用，20世纪90年代初，中科院自动化所开始研究医学图像处理，研制开发了三维医学图像处理与分析系统3DMed,该系统的主要工作是获取数据、切片观察、三维重建等，利用计算机技术对图像处理和分析，得到真实的三维医学图像，从而更加准确地做出诊断[4]。国内高校也在三维体绘制方面进行深入研究，取得丰硕成果。如浙江大学在2009年

完成了对心脏结构、功能的仿真建模，建立的心脏模型能够显示生理病情变化。在商业领域也开发出很多的工具包，美国Kitware公司开发了VTK、ITK可视化

工具包，衍生出许多医学图像可视化系统。

2GPU的发展

GPU在高性能计算领域发展迅速，使得CPU不再是计算芯片的唯一选择。与CPU相比，GPU具有更强大的计算能力，任务处理模式更为简单，逐渐应用于高性能计算的各领域，助力行业快速发展。GPU以其强大的计算能力，吸引用户采用GPU加速应用程序的执行效率，同时GPU还具有成本低、性能高、功耗小等优势，GPU为众核，采用不同的输入数据执行，降低用户的整体拥有成本，使更多中小企业、初创公司有能力搭建自己的GPU集群。

采用GPU集群方式对数据或深度网络模型实行并行化处理，利用其海量处理数据的优势，提高总的数据吞吐量，从而加速程序的执行效率，减少运行时间。

第一代GPU(1999年以前)：从CPU分离出部分功能来实现对硬件的加速，GE(GeometryEngine)为代表，这种图形处理器只能加快三维图像的处理速度，并不具备软件编程的特性。

第二代GPU(1999年-2002年)：优化在硬件上的加速，GPU具有了有限的编程性，1999年NVIDIAGeForce256将T&L(TransformandLighting)等功能从CPU分离出来，实现了快速变换。2001年NVIDIA和ATI分别推出的GeForce3和Radeon8500，流处理器也就是图形硬件的流水线，出现了顶点级可编程性，同时像素级也具有有限的编程性，但GPU的编程性仍然比较有限，不能简单方便的对GPU编程[5]。第三代GPU(2002年以后)：开始出现方便的编程环境(如CUDA)，2002年ATI发布的Radeon9700和2003年NVIDIAGeForceFX的推出，2006年NVIDIA与ATI分别推出了CUDA(Computer GPU在体绘制技术中的应用国内外研究现状:http://www.youerw.com/yanjiu/lunwen_99204.html