《三维锥束ct图像重建加速技术研究》由会员分享，可在线阅读，更多相关《三维锥束ct图像重建加速技术研究（82页珍藏版）》请在金锄头文库上搜索。
1、分类号：R 318 密级： l ， 单位代码：l0 4 2 2 学号：2 0 0 8 12 4 1 8 第办孚 硕士学位论文 S 办口以d D 刀g 【砌f y P ，s Z 砂M a s t e r sT h e s i s 论文题目：三维锥束C T 图像重建加速技术研究 R e s e a r c ho f3 DC o n e b e a mC TI m a g eR e c o n s t r u c t i o n A c c e l e r a t i n gT e c h n o l o g y 作 砉 Y 导 合作导 者马俊峰 业生物医学工程 2 0 1 1 年4 月2 0 日
2、3 _ _ _ _ _ _ _ _ _ _ 一 原创性声明 I 掣I 掣l 攀磐必必型坚Y 19 3 6 4 2 3 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本 论文不包含任何其他个人或集体已经发表或撰写过的科研成果。 对本文的研究作出重要贡献的个人和集体，均已在文中以明确方 式标明。本声明的法律责任由本人承担。 论文作者签名：墨丝垒日期：2 2 11 垒圭目三7 日 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同 意学校保留或向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和
3、借阅；本人授权山东大学可以将本学位论 文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或其他复制手段保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：蝉导师签名： ：2 D ) 1 牟 ( L ，M ，N e wD A T A 绷y ) ； 8 ：e n df o r 9 ：G P Um e m e l l r o y C P Um e m e l l r o y 10 ：B u t t e l y K e m e l ( L ，M ，D A l A ) 1 l ： t i d 一i n d e x ( t h r e a d l d x ) O ；
4、1 2 ： b i d 一i n d e x ( b l o c k I d x x ) ； 1 3 ：f o r i = t i dt o N 2 1 ，i + - T H R E A DM Md o 1 4 ： B = 1 ：， F 一一 ：茹 一一陵一 、，镱寺* 世 1 【J P 一 一一 名 一一一一一，- 。 1 。O 。O 一一一 十一T t 一 ，t 11 f ” 一一，一： 缮 0 ，0 。O ：擘1 ，：，t ：、一 0一“T十 ：，： 一一一一 ， ；：Z 冀0 ：三奠。 一Tt 一 0 ，0 。1l ，O ，l，一一一十一 ： 一。”_ 。 j 。 = 二l j 一一r
5、 ；0 一T 一二 。一嚣 “ 二二：I m ：H_ 罗 0 ，O 。2 1 。O 。2 Z 一一 ： ： 。一： 一一十T： i ： # ， j 蹙j j i ，；r 。” _。矿 沙 ；嘉二o ，。? 。# 。r 。+ ： 7 X 图5 4 体数据的三维线程块划分方法 在反投影计算过程中，本文将体数据划分为三维线程块，有效地降低了算 法的复杂度，线程块的划分方法如图5 4 所示。每一个线程执行一个体素的反 投影计算，每次对I 幅投影数据进行计算。如同文献 4 2 】中所述，由于在G P U 中 开辟的线程数量是有限的，因此对于大分辨率的三维图像数据来说，一次反投 影计算无法将体数据的所有体
6、素都计算完，需要设置循环，对反投影K 锄e l 函 数反复调用。循环前将投影数据一次性输入G P U ，并且绑定到纹理存储器，而 不必每次循环都要做输入。每次循环结束，需将体数据传回C P U 做累加计算。 本文设计的基于C U D A 加速F D K 算法的伪代码如图5 5 所示。 5 3 5 4 山东大学硕士学位论文 h l p u t ：P m j e c t i o 鹏P l ，P 2 P K ，P 喇e c t i o ns i z eM ，N 、，o l u m es i 跫X ，Y Z o u t p u t ：、，0 l u m ef C P Um a i n f u n c
7、t i o n O 1 ：g e tp r o j e c t i o nd a t a 2 ：f o ri = 0t oI ( 只M ，N ) 5 ： P 。一F n t e r i n g m e l ( P ，M ，N ) 6 ：B i n dF i l t e r e dp r o j e c t i o n s 尸。弱at e x _ t u 陀 7 ： f o r j = 0 t o 耽d o 8 ： F 一酗c k p r o j e c t j 仙k e m e I “ ( P 。) 9 ：e n df o r 1O ：e n df o rG P Um e m e l l r
8、o y + C P Um e m e r r o y 1 1 ：C U D AF u c t i o n s ： 1 2 ：W e i g h t i n g k e m e l ( 只M ，N ) 1 3 ： u i I l d e x ( t h r e a d I d x x ) 14 ： v i n d e x ( b l o c k I d x x ) 1 5 ： P ( u ，v ) 一W P 他v ) l6 ：F i n e r i n l L - l 碹r n e I ( 尸，M ， l7 ：B a c I I r o j e c t i o n I r n e l ( P )
9、 18 ： x i n d e X ( t 1 1 r e a d l d X X ) ；y i n d e X ( t h r e a d I d x y ) ； z i n d e x ( t h r e a d I d x z ) 1 9 ： u u ( Ky ，z ) ；V v ( Ky ，z ) 2 0 ： F ( Ky z ) 一形7 尸( u v ) 图5 5 基于C U D A 的F D K 算法加速过程伪代码 山东大学硕士学位论文 5 4 存储器优化方法 存储器优化对提高运行速度有着至关重要的作用，本文采取了以下四种方 法进行存储器优化，实现存储器的合理利用。 1 ) 尽可能
10、多的将代码从主机上移到设备上执行，提高算法的并行度。本文 中将加权步骤移至G P U 进行并行计算，提高了重建速度。 2 ) 由于每次传输的消耗，应将多次小的传输组合成一次大的传输，这样会 比单独传输更好，因此，本文一次性将3 0 ( I - 3 0 ) 幅投影数据加载到G P U 进 行处理。 3 ) 在C U D A 的存储器结构中，全局存储器是最慢的，其延迟在几百个时 钟周期。本文在F F T 的G P U 加速中使用共享存储器优化存取速度。由于共享 存储器位于芯片上，因而共享存储器比全局存储器的速度要快很多，在F F T 并 行计算中，我们先将投影数据从全局存储器加载到共享存储器，然后
11、在共享存 储器内处理数据，最后将结果写回全局存储器。 4 ) 在反投影计算中使用纹理存储器。纹理内存是只读存储器，与读取全局 或常量内存相比的优点：纹理内存有高速缓存，如果C U D A 数组中的纹理在片 上的高速缓存中，则可以潜在的获得较高带宽；不受访问模式的约束；寻址计 算的延迟隐藏的更好，改善应用程序执行随机访问数据的性能。在反投影计算 中，由于对投影数据只进行一次读取，基于这点本文将投影数据绑定到纹理存 储器，加速对数据的读取速度。 5 5 实验结果及分析 实验环境：I n t e lC o r e2D u o ( 2 5 3 G H z ) C P U ，内存为2 G B ；N v
12、i d i aG T X 2 6 0 ， 显存为8 9 6 M B ；操作系统为w i n d o w sX PS P 3 ；编程环境s u a lS t u d i o2 0 0 8 ， 安装并配置C U D A 工具包。 实验中采用了3 6 0 幅5 1 2 2 大小的3 2 位浮点型仿真投影数据，三维重建图 像为5 1 2 3 大小，也是3 2 位浮点型。分别使用C P U 与G P U 完成C T 三维重建过 程，对比运行时间，如表5 1 所示。相比于C P U 单独重建，本文提出的G P U 加速方法，在加权部分提高了1 3 倍，在滤波部分提高了7 l 倍，而在最耗时的 5 5 山东
13、大学硕士学位论文 反投影部分提高了1 6 8 倍，重建过程整体加速1 5 2 倍，三维图像重建可在3 0 秒内完成。 表5 1 ：C P U 和G P U 重建时间对比 重建时间统计( s ) F D K 算法过程加速比( 倍) C P U F D KG P U F D K 加权1 0 6O 8 21 3 滤波2 5 8 83 6 5 7 l 反投影 4 0 9 62 4 3 31 6 8 总过程 4 3 6 5 42 8 815 2 本文对上述两者重建图像的质量也进行了比较，从图5 6 中的图像上看， 两者重建的图像质量没有区别，图中选择了重建图像中比较具有代表性的三层 分别进行对比，用M
14、A T L A B 对图中划线部分的强度分布做了分析，如图5 5 中c 所示。并且本文对误差进行了统计，最大误差为1 0 3 ，平均误差为1 0 4 ， 两者重建图像相差较小。实验结果显示，本文不仅在重建速度上有很好的加速 性能，而且在图像质量上也获得了较好的结果。 5 6 山东大学硕士学位论文 a ( 1 ) C P U 2 3 0 层 a ( 2 ) C P U - 2 9 0 层 山东大学硕士学位论文 5 6 本章小结 本章研究了一种利用G P U 通用计算架构( C U D A ) 加快F D K 三维重建算 法运行速度的方法。我们在F D K 算法的加权部分应用了并行计算；在滤波部分
15、 提出了新的F F T 并行计算方法；而且反投影部分的三维分块方法降低了算法的 复杂度；同时提出了存储器的优化方法，实现了C P U 和G P U 高效合作。实验 结果表明，本文提出的图像重建加速方法与单独运用C P U 计算相比获得了较高 的加速效果，并且两者的图像质量相当，误差较小。考虑到存储器性能( 数据 传输和访问) 仍对算法执行速度影响较大，如果新的G P U 能够提升储器的效率， 那么我们的加速方法将会有更好的效果。 C U D A 的推出，使得G P U 具有更好的可编程性，适合开发人员快速掌握 其编程方法，缩短了程序开发周期。我们可以得出结论，随着C U D A 架构逐步 成熟
16、和G P U 性能的提高，利用G P U 的锥束C T 三维图像重建速度将会更快， 将能满足实时准确重建的要求。 5 8 山东大学硕士学位论文 6 1 论文工作总结 第六章总结与展望 锥束C T 技术具有扫描速度快、分辨率各向同性、射线利用率高等优点， 在医学诊断和工业无损检测领域有着广阔的应用前景，成为当今国际C T 研究 领域中最为活跃的前沿课题之一。然而锥束C T 三维图像重建的运算量巨大， 重建时间较长，难以满足实时快速重建的要求。目前图形处理器已经具有高度 的大规模并行计算能力，并且具有良好的可编程性。因此根据F D K 三维图像重 建算法可并行的特点，本文研究了一种利用G P U 通用并行计算架构( C U D A ) 加速图像重建
