基于GPU的三維醫(yī)學(xué)圖像處理算法研究.pdf

1、醫(yī)學(xué)圖像處理與分析技術(shù)不僅極大地提高了現(xiàn)代醫(yī)學(xué)臨床診斷水平，而且為醫(yī)學(xué)培訓(xùn)、教學(xué)與研究、手術(shù)導(dǎo)航等提供了數(shù)字實(shí)現(xiàn)手段，成為推動(dòng)現(xiàn)代醫(yī)學(xué)發(fā)展的重要力量。因此，關(guān)于醫(yī)學(xué)圖像處理與分析技術(shù)的研究一直是國(guó)內(nèi)外廣大學(xué)者所關(guān)注的焦點(diǎn)，這對(duì)保證人們身體健康和提高人們身體素質(zhì)具有重大意義。 根據(jù)當(dāng)前實(shí)際應(yīng)用的需求，采用直觀的包含豐富信息的3D數(shù)據(jù)代替簡(jiǎn)單的2D圖像已成為醫(yī)學(xué)圖像處理領(lǐng)域的發(fā)展趨勢(shì)。但是，在目前的個(gè)人電腦中進(jìn)行三維數(shù)據(jù)處理仍是一個(gè)

2、非常耗時(shí)的計(jì)算過(guò)程，不能滿足實(shí)際應(yīng)用中的實(shí)時(shí)性要求，這主要?dú)w因于三維圖像包含數(shù)據(jù)量較大，而且各種醫(yī)學(xué)圖像處理算法相對(duì)復(fù)雜、計(jì)算量較大。因此，如何進(jìn)一步提高三維醫(yī)學(xué)圖像處理算法的計(jì)算效率，使其滿足實(shí)時(shí)應(yīng)用的需求，是當(dāng)前該領(lǐng)域內(nèi)一個(gè)亟待解決的問(wèn)題。 近年來(lái)，計(jì)算機(jī)圖形處理器(GraphicsProcessingUnit，GPU)得到了極大地發(fā)展，從最初局限于圖形渲染的圖形卡，發(fā)展為如今可編程的并行計(jì)算平臺(tái)。針對(duì)GPU的高級(jí)編程語(yǔ)言如

3、Cg、HLSL等使得人們更加容易對(duì)其進(jìn)行編程控制，并應(yīng)用在渲染之外的通用計(jì)算方法，如偏微分方程求解、矩陣運(yùn)算等，與CPU的串行計(jì)算模式不同，GPU是一種高度并行的流處理器，具有更強(qiáng)的浮點(diǎn)計(jì)算能力，在物理模擬、信號(hào)分析等許多領(lǐng)域人們將高強(qiáng)度的計(jì)算任務(wù)以適當(dāng)?shù)姆绞睫D(zhuǎn)化為流數(shù)據(jù)計(jì)算模式，通過(guò)編程在GPU中進(jìn)行加速計(jì)算，通常能獲得一個(gè)數(shù)量級(jí)的速度提高，這也是當(dāng)今的熱點(diǎn)研究問(wèn)題之一。因此，通過(guò)對(duì)GPU編程發(fā)揮其高強(qiáng)度計(jì)算能力來(lái)解決三維醫(yī)學(xué)圖像處理

4、的速度瓶頸，提高算法的執(zhí)行效率，將是一個(gè)十分有應(yīng)用價(jià)值的研究?jī)?nèi)容。 本文首先研究了可編程圖形處理器的體系結(jié)構(gòu)及其流式編程模型。GPU的體系結(jié)構(gòu)以圖形流水線為基礎(chǔ)，提供了頂點(diǎn)處理器和片段處理器的可編程特性，通過(guò)OpenGL等編程接口與主程序進(jìn)行通信。GPU將用戶編寫(xiě)的程序作為運(yùn)算核對(duì)數(shù)據(jù)流中的多個(gè)元素同時(shí)進(jìn)行處理，實(shí)現(xiàn)高度的并行計(jì)算。但根據(jù)流計(jì)算的特點(diǎn)，GPU程序?qū)Υ鎯?chǔ)器的訪問(wèn)將受到一定的限制。在此基礎(chǔ)上，本文研究了高效的三維醫(yī)學(xué)

5、圖像處理算法，主要包括基于3D紋理的精確體繪制方法、CPU-GPU聯(lián)合工作模式加速基于互信息的3D圖像剛性配準(zhǔn)、GPU加速的圓弧軌跡Katsevich錐束CT重建算法，具體內(nèi)容為： (1)基于3D紋理的體繪制方法是一種高效的三維醫(yī)學(xué)體數(shù)據(jù)可視化手段，但由于受低采樣率的影響，在最終繪制圖像中往往會(huì)出現(xiàn)切片痕跡，造成圖像質(zhì)量較差。分段積分是提高繪制圖像質(zhì)量的有效方法，它首先對(duì)每個(gè)采樣段應(yīng)用體繪制積分方程，然后沿視線方向?qū)⑺胁捎枚芜M(jìn)

6、行累加，得到較好質(zhì)量的繪制圖像。采樣段內(nèi)的顏色值通常采用線性表達(dá)式代入到體繪制積分方程中，但由于人體各組織之間關(guān)聯(lián)復(fù)雜，線性插值不能很好地近似采樣段內(nèi)的顏色變化，本文通過(guò)計(jì)算每個(gè)采樣段中點(diǎn)采樣位置得到更加精確的拋物線近似表達(dá)，并進(jìn)一步求解體繪制積分方程，將其化簡(jiǎn)為易于在GPU中實(shí)現(xiàn)的形式。通過(guò)頂點(diǎn)處理器計(jì)算采樣段三個(gè)控制點(diǎn)位置的紋理坐標(biāo)，利用片段處理器計(jì)算采樣段上的積分方程。實(shí)驗(yàn)結(jié)果表明該方法在保證實(shí)時(shí)繪制速度的同時(shí)取得了更好的繪制圖像

7、質(zhì)量。在此基礎(chǔ)上，本文進(jìn)一步改進(jìn)了基于剪切幾何體的剖切繪制方法，降低內(nèi)存使用，提高剖切繪制的速度。 (2)針對(duì)基于互信息的3D醫(yī)學(xué)圖像剛性配準(zhǔn)，提出一種基于CPU-GPU聯(lián)合工作模式的加速方法。最外層的搜索算法需要復(fù)雜的邏輯控制，但計(jì)算強(qiáng)度小，適合CPU計(jì)算。在搜索過(guò)程中調(diào)用互信息計(jì)算函數(shù)，首先將浮動(dòng)圖像進(jìn)行空間變換和三線性插值，然后統(tǒng)計(jì)與參考圖像之間的聯(lián)合直方圖，并根據(jù)聯(lián)合直方圖計(jì)算熵和互信息值。空間變換和三線性插值約消耗互信

8、息計(jì)算函數(shù)的85％時(shí)間，而且適合并行計(jì)算，因此將其移植至GPU中執(zhí)行。采用平面三維紋理、渲染到紋理等技術(shù)編寫(xiě)頂點(diǎn)程序和片段程序，在GPU中執(zhí)行三線性插值，并將結(jié)果讀入系統(tǒng)內(nèi)存，繼續(xù)由CPU完成互信息值計(jì)算。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)方法相比，該算法在獲得相似配準(zhǔn)精度的情況下，將配準(zhǔn)速度提高了一個(gè)數(shù)量級(jí)。 (3)改進(jìn)濾波反投影方法在GPU中的實(shí)現(xiàn)技術(shù)，并應(yīng)用于圓弧軌跡Katsevich精確錐束重建算法中。Katsevich算法首先對(duì)投影

9、數(shù)據(jù)進(jìn)行濾波處理，包括偏導(dǎo)數(shù)計(jì)算、傅立葉變換、Hilbert變換等，這個(gè)過(guò)程由CPU完成，并將濾波后的投影數(shù)據(jù)傳遞到GPU內(nèi)存，進(jìn)行反投影計(jì)算。本文利用幀緩沖對(duì)象(FBO)的多個(gè)綁定點(diǎn)，將上一次的輸出作為下一次渲染的輸入，在GPU中完成所有射源轉(zhuǎn)角下的反投影數(shù)據(jù)累加；采用浮點(diǎn)紋理映射保證重建圖像的質(zhì)量；設(shè)置RGBA四通道紋理實(shí)現(xiàn)數(shù)據(jù)級(jí)的并行計(jì)算；采用四叉樹(shù)編碼的矩形網(wǎng)格加速繪制過(guò)程。本文GPU加速的重建方法所得圖像質(zhì)量已非常接近于傳統(tǒng)C