首页 > 文献资料
-
基于CUDA的三维医学影像处理算法研究
近年来，随着图形处理器GPU（Graphics Processing Unit）性能上的飞速发展，利用GPU加速技术进行三维医学影像处理已经成为一个研究热点。通过通用并行计算架构CUDA（Compute Unified Device Architecture）实现了大密度投影MIP（Maximum Intensity Projection）与直接体绘制DVR（Direct Volume Rendering）可视化算法，并在此基础上对此GPU加速技术进行了综合分析。
-
基于蒙特卡洛的医学图像重建体积计算算法GPU加速研究
目的:确定基于蒙特卡洛算法计算体积的精度及提高其速度,为医学图像的应用领域快速提供可靠的数据.方法:在FonicsPlan计划系统平台上,实现基于蒙特卡洛方法的体积计算,并使用C++AMP对算法做GPU并行加速,然后对体积计算结果在精度和速度上进行比较分析.结果:与像素累加法、体元累加法相比,蒙特卡洛算法的准确性高但其算法用时也长.通过充分利用计算机的显卡计算性能,可将计算速度平均提高50倍.结论:经GPU加速后的蒙特卡洛算法在计算体积的速度和精度两方面都能满足临床要求,在医学图像处理及临床诊疗具有较高的应用价值.
-
三维医学图像核回归算法的GPU加速研究
核回归理论被广泛应用于医学图像处理和医学图像重建领域,并取得了十分显著的效果.它包括传统核回归方法(CKR)和控制核回归方法(SKR).三维SKR算法比三维CKR算法具有更优的去噪效果和边缘保持效果,但三维SKR算法的计算量过于庞大且复杂,使其应用领域受到限制.目前,医学图像重建使用的是基于GPU的三维CKR算法,所以基于GPU的三维SKR算法的实现是一项有研究价值且具有挑战性的工作.本文首先优化三维SKR算法的计算过程,然后利用GPU进行CUDA编程实现三维SKR并行加速算法.实验表明,基于GPU的三维SKR算法与基于CPU单线程三维SKR算法相比能获得约244.9～246.3倍的加速比,与基于CPU多线程三维SKR算法相比能获得约123.0～137.4倍的加速比.
-
GPU框架下基于改进Demons算法的CT-CBCT图像变形配准研究
目的:针对自适应放射治疗中的关键技术——CT和CBCT图像变形配准问题,提出一种基于图形处理器GPU的改进Demons配准算法.方法:通过匹配CT和CBCT图像相应体素局部邻域点集的k阶样本矩,计算CBCT图像每一个体素CT值的线性变换系数,并在每一次Demons迭代过程中,对原CBCT图像逐体素做CT值线性变换,后利用Demons公式计算变形场.结果:5例临床头颈部肿瘤患者的CT和CBCT图像配准结果表明,改进后算法不受CT和CBCT图像CT值强度不一致的影响,能快速、精确的完成图像的变形配准.结论:基于GPU框架的改进Demons算法可以快速精确完成CT-CBCT图像变形配准,较好的满足了临床对于快速变形图像配准的要求.
-
基于CUDA的医学图像处理算法平台的设计与初步实现
目的:本文介绍了所开发的医学图像处理算法平台(cudaGIL),设计平台主要是为医学图像处理算法的开发和测试提供一个简洁的框架.方法:该平台封装了cudpp,cufft,thrust等第三方库,并提供简洁的算法接口,使得并行算法能在该平台上高效执行；采用了优化的迭代器模式和数据分页方法,用以降低数据索引的时间消耗；组件管理模式被用于该平台中,用户可以新建组件扩展自定义算法；使用建立在OpenGL与CUDA基础上的异步操作实时显示图像.结果:通过与已有平台的比较,结果显示该平台在算法效率和显示速度上有了较大的提升.结论:本文设计的医学图像处理算法平台可作为医学图像算法的开发工具.
-
基于CUDA的2D-3D医学图像快速配准
医学三维扫描体数据和二维图像配准在临床诊断、手术规划等领域应用广泛,特别是在手术导航时,三维扫描体数据和二维图像的结合既需要保证配准的精度,又要达到手术中即时应用的要求.本文提出一种混合几何和图像密度特征构成的相似度度量函数,对术前CT和术中X线图像进行快速的2D-3D配准,其实现方便、计算量小,同时计算精度可以满足正常的需要.另外,整个计算过程非常适合高度并行的数值计算,通过采用基于CUDA的硬件加速算法,能够达到手术中即时应用的要求.
