论文部分内容阅读
计算机断层成像(CT，Computed tomography)作为一种能够重现人体内部组织解剖结构成像的方法，广泛应用于医学影像诊断与影像引导放射治疗。但常规的螺旋CT仍有一些局限性:目前医院常规螺旋CT所采用的图像重建方法需要获取整个人体组织的全方位投影数据，而且常规的CT射线剂量大，对细胞和DNA产生难以修复的终身性损害。相对于传统的螺旋CT，三维锥束CT（CBCT，Cone Beam CT）具有投影数据采集时间较短、射线剂量利用率较高、X射线辐射较小等显著优点，使其成为目前国际上CT领域研究和临床应用的热点。 重建算法作为CT成像技术中的核心部分，对于CT成像的质量和图像重建所需时间都有着决定性的影响。同时，快速重建图像是锥束CT系统在临床应用中为满足实时性诊断的一项重要要求。但是，目前已有的所有锥束CT重建算法都存在着计算量巨大的问题。如果仅仅利用普通PC机上的CPU来计算锥束CT系统图像重建中的海量投影数据是非常耗时的，因此提高三维锥束CT图像重建速度是当前锥束CT成像技术中迫切需要解决的问题。 利用普通PC机的图形处理器(GPU，Graphics Processing Unit)实现对三维锥束CT重建算法的并行化加速就有极大的研究以及工程实际应用价值。基于统一计算设备架构(CUDA，Computer Unified Device Architecture)图形处理器的推出更是方便了基于CUDA平台的锥束CT重建算法的研究。 论文主要研究基于CUDA的三维锥束CT重建算法的并行化加速技术研究。针对三维锥束CT重建问题，分别研究了以FDK（Feldkamp-Davis-Kress）算法为代表的解析重建算法以及以代数重建算法(ART，Algebraic Reconstruction Technique)和联合代数重建算法（SART，Simultaneous Algebraic Reconstruction Technique）为代表的迭代重建算法这两类重建算法，为了解决重建时间较长的问题，实现了基于CUDA的三维重建算法，从而有效地加快图像重建算法的数据重建速度。 本文研究工作主要包括三个部分:第一部分主要介绍在CUDA平台上实现了对经典的解析重建算法:FDK算法的并行化加速;第二部分主要介绍在CUDA平台实现了对迭代重建算法中的ART算法的并行化加速;第三部分主要介绍在CUDA平台上实现了对迭代重建算法中的SART算法的并行化加速。 本文的主要创新性工作为以下两点: (1) ART算法的近似并行化加速 由于ART算法的局限性:一次迭代更新一条射线，目前国际和国内均无ART算法的并行化实现。对于这种现状，本文提出了一种近似并行化的策略:将投影划分为集合，集合内并行化处理，集合之间顺序进行处理。这种并行化的策略可以大大提高ART算法的执行速度。 (2) SART算法并行化反投影步骤的优化 在SART算法反投影计算步骤中，计算最小边界区域(MBR，Minimum BoundingRectangle)的过程是一个相当耗时和复杂的过程，涉及到较多的运算，故本文采用了一种以空间换时间的方法实现反投影与更新步骤，用两个全局变量保存后续计算需要的变量，以加快重建速度。 通过仿真实验对比，本文所采用的三种三维锥束CT重建算法(FDK，ART，SART)在GPU平台均取得了一定的加速比。