医学图像三维可视化技术是医学影像领域研究的一个热点方向之一。所谓的医学图像三维重建，就是对已经获得的医学图像二维切片进行相关的算法运算，使其能够以三维的形态在计算机屏幕上展现出来。医学图像三维形态能够提供更加直观和真实的用户感受，结合相关的交互切割技术，能够更加准确清晰地展示病灶位置和兴趣位置的空间组织信息。对医学图像三维可视化技术进行相关的研究，具有非常重要的学术价值以及广泛的应用前景。　　本文通过学习医学图像三维重建技术的有关理论算法，熟悉了相关的编程语言和编程工具，重点研究了光线投射（ Ray Casting，简称 RC）算法。并在此基础上，进行了相关的优化和改进，使其在绘制质量和绘制速度上都有了明显的改进和提高。为此后的医学图像三维可视化技术的发展，提供了强有力的理论支持以及新的解决思路。　　根据目前医学图像三维重建的实践需求以及目前计算机硬件的发展水平，在加入图形处理器（GraphicsProcessing Unit，GPU）的基础上，着重对软件算法优化方面进行了改进。在单机平台上，主要通过对不透明度值设置阈值，提前终止光线计算，并在光线遍历体数据时，调整采样间距，改进了光线投射算法。在云计算平台上，本文通过MapReduce的编程模式，将光线投射算法改进为可以在HADOOP平台下运行，其绘制效果可以满足医学上的需求，其绘制速度也体现出了HADOOP平台多节点处理任务的优势。　　本文在 Eclipse平台下，结合 VTK（Visualization Toolkit）可视化工具包，实现了单机上光线投射算法的改进。在 HADOOP云平台下，结合 Eclipse、JDK、VTK和HIPI（Hadoop Image Process Interface）等工具包，将医学图像体数据存储到HDFS中，并对其采用基于数据的空间划分方式和动态的任务分配方式，然后运用MapReduce的编程模式，实现了对光线投射算法的改进，完成了对医学图像体数据的重建实验。　　本实验采用了四个节点，通过对头部（477MB）和耳部（828MB）两组实验数据进行重建，结果表明随着节点数的增加，绘制速度也随之提高，MapReduce计算模型确实能够解决大规模体数据的绘制问题。本文将医学影像领域研究的热点之一的医学图像重建技术和当前热门的云计算技术结合到一起，为医学影像领域的技术研究贡献了自己的一份力量。