GPU并行計算在醫(yī)學圖像處理中的應用研究.pdf

1、在現(xiàn)代的臨床診斷和醫(yī)學研究中,醫(yī)學圖像處理與分析技術占有重要地位,主要研究內(nèi)容包括圖像增強技術、圖像分割技術、圖像配準技術、三維重建等方面。醫(yī)學圖像數(shù)據(jù)量大,處理算法復雜,CPU(Central Processing Unit)處理速度不能滿足實際應用中的需求,因此如何準確而且快速地處理海量圖像數(shù)據(jù)成為亟待解決的技術問題。GPU(Graphics Processing Unit)作為一種高度并行的流處理器,具有更強的浮點計算能力。隨著

2、GPU通用計算的普及和CUDA(Compute Unified Device Architecture)的推出,GPU不再局限于傳統(tǒng)的圖像渲染任務,在通用計算方面也發(fā)揮著越來越重要的作用。采用CPU和GPU異構編程方式能發(fā)揮GPU高強度的計算能力,提高醫(yī)學圖像處理的執(zhí)行速度
　　本文在國內(nèi)外醫(yī)學圖像增強的方法和醫(yī)學圖像分割中邊緣檢測算法的基礎上,對圖像增強、圖像分割中若干算法進行了并行加速。首先,對耗時的三維醫(yī)學圖像同質濾波算法進

3、行數(shù)據(jù)并行性分析,優(yōu)化存儲器訪問,使用接口文件將實驗結果與Matlab實現(xiàn)進行誤差比較,在保證數(shù)據(jù)精確性的情況下實現(xiàn)了三維醫(yī)學圖像濾波的高倍加速。其次,在圖像分割算法中,著重實現(xiàn)了Canny算子的并行加速。對Canny算子進行數(shù)據(jù)并行性分析,針對每一步驟都選擇合適的并行優(yōu)化策略,最大限度地實現(xiàn)了程序總體的加速。最后,使用compute profiler等分析工具進一步對并行程序進行優(yōu)化,通過分析工具提示的潛在優(yōu)化方向,合理分配GPU資源