论文部分内容阅读
CT技术在临床医学上的应用是20世纪医疗技术进步的重要标志。锥束CT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等领域有着广阔的应用前景,成为当今国际CT研究领域中最为活跃的前沿课题。然而锥束CT三维图像重建的运算量和数据传输量巨大,重建时间较长,只利用CPU进行计算的方案已经不能满足现代临床和工程应用的要求。因此,研究如何提高锥束CT重建算法的运算速度并找到合适的解决方案具有重要的学术价值和应用研究价值。目前图形处理器(GPU)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FDK三维图像重建算法可并行的特点,研究了一种利用GPU统一并行计算架构(CUDA)加速图像重建过程的方法。论文的创新点在于:一是提出了一种并行FFT计算在GPU上的实现方法以加快重建算法中数据滤波的速度;二是利用CUDA技术在GPU上实现了FDK算法的加速计算,并根据GPU硬件和存储器特点,提出了优化方法。本文首先介绍CT成像的物理和数学基础理论,对平行束投影重建算法进行分析和总结;其次,对二维扇束CT重建算法基础知识进行了概括,然后重点分析三维锥束CT图像重建算法,研究FDK及其衍生算法在计算上的特点;第三,快速傅里叶变换(FFT)是实现滤波的一个有力工具,本文研究了一种新型的适合GPU运算的FFT并行计算方法,并通过CUDA架构实现此并行FFT算法在GPU上的运算。实验结果显示本文的并行FFT方法最高可达到了46倍的加速效果;第四,本文分析了FDK三维重建算法并行计算原理,研究运用GPU技术加速FDK算法,在FDK算法的加权预处理,滤波和反投影三个阶段,分别设计了适合CUDA的并行计算方法。同时,根据GPU存储器特点,使用多种存储器,优化数据传输和访问,实现了CPU和GPU协调合作。实验结果表明,该GPU图像重建加速方法与CPU单独重建相比获得了150倍以上的加速效果,并且两者的图像质量接近,平均误差小于10-4。CUDA的推出,使得GPU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。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GPU能够提升储器的效率,那么我们在并行FFT计算和FDK重建算法加速方面将会有更好的效果。我们可以得出结论,随着CUDA架构逐步成熟和GPU性能的提高,利用GPU的三维锥束CT图像重建速度将会更快,将能满足实时准确重建的要求。