生物组织的弹性(硬度)变化往往与其病理变化有关,因此组织的弹性信息能作为许多疾病的诊断依据,如肿瘤、乳腺癌等。超声弹性成像是继黑白B超和彩超之后的一种新的超声成像技术,其基本思想是从超声信号中获取生物组织的弹性(硬度)信息并进行成像。但是超声弹性成像数据计算量大,无法做到实时成像,临床应用受到限制,因此超声实时弹性成像成为了目前医学超声成像中研究的热点和重点。本文的研究重点主要有两个方面:1、如何使用GPU这一技术手段对当前超声弹性成像的位移估计算法进行程序上的改进,利用GPU的高并行计算能力,对算法中计算密集的地方进行加速。2、针对GPU编程上的特性,改进当前算法,在不降低计算精度的情况下,使之更适合在GPU上计算。本文研究了超声弹性成像当前常用的位移估计算法:1、基于时域的一维互相关位移估计法;2、基于相位信息的位移估计法。相位信息算法又分为Doppler运动估计法和相位过零检测算法。本文从计算机编程入手,将原有的串行计算程序移植到了GPU上。结合时域互相关算法和相位检测算法在GPU上计算的优点,本文提出了一种改进的相位互相关算法。该方法利用希尔伯特变换构造解析信号,通过对应计算窗口的一次积合运算得到剪切波的相位信息,然后再对相位信息进行三次样条插值,弥补因采样而遗失的信息,最后利用相位信息求得剪切波速度。为了提高整体计算速度,本文也对希尔伯特变换和三次样条插值进行了GPU上的计算研究。通过与CPU对比,计算速度大大提高,且计算精度与传统算法并未有明显区别。本文通过实验对上述基于GPU编程的算法计算出的结果进行了对比。首先利用Field II产生仿真数据,在4.8um和48um两个位移处,分别对这四种算法进行了克拉美罗下界、抖动误差以及平均误差分析。最后利用生物仿真模型,采集了不同深度处的数据,直接进行杨氏模量计算值的对比。本文提出的算法在计算精度上和常用算法并未有明显区别,但是计算速度大大提高。最后本文对研究工作进行了总结,并在此基础上对后续的研究方向进行了展望。