相比于传统同步并行计算策略, 在异步并行计算框架下, 针对最常用的总变分(TV)最小化重建模型, 通过将其转化为不动点迭代问题, 并利用异步交替方向法(ADM)进行求解, 推导出基于TV最小化模型的异步ADM迭代重建算法, 即异步交替方向总变分最小化算法(Async-ADTVM)。利用消息传递接口技术将该算法在图形处理器(GPU)集群上进行测试, 进一步提高了原始基于TV最小化模型的迭代重建算法的计算效率。实验表明, 该算法在计算求解精度上略优于ADTVM算法, 同时在GPU性能存在差异的条件下相比传统多GPU加速策略可获得更高的加速比。