论文部分内容阅读
螺旋锥束CT(Cone-Beam Computed Tomography)目前被广泛的应用在医学领域中,应用如此普遍是因为螺旋锥束CT所具有的优势:采集速度非常快,检测效率高以及图像的分辨率高。这就满足了例如在放射治疗过程中,手术影像导航对于图像的质量以及成像的速度两个方面上均较高的要求。在CBCT图像重建的算法中, Katsevich算法可以精确的实现重建,所以对Katsevich算法的研究一直未停止过。图形处理单元(GPU)目前在通用计算(GPGPU)领域中发展迅速,是因为它具有强大的并行计算能力。通过使用GPU编程方式进行加速计算的形式,通常可以得到一个比较理想的结果即一个数量级或以上的速度上的提高。其中基于GPU的医学图像重建技术与传统方式比较,此类方法充分利用GPU本身所具有的硬件特性,满足了重建速度快以及重建图像质量高的双要求。本论文中,首先对接收数据的探测器进行了改善,使用球面探测器,这是因为在应用和锥束X射线的发射面一致的球面X射线探测器,可以减少影像成像处理中的误差,该误差是由于其它曲面或平面等几何形状需要对探测器探测到的记量进行修正所引起的。因此,基于球面探测器的CT图像重建算法就比基于平面探测器的减少了一个计算步骤,使得重建速度、重建图像质量均得到改善。其次,由于CPU的计算能力有限,如果让其对锥束CT三维重建算法进行计算,是很难满足快速以及精确的要求的,因为重建过程的计算量巨大,所以本文利用GPU的可编程、高精度以及并行计算等特性对图像重建进行加速。最后,本文基于可编程图像处理器的体系结构、CUDA编程模型及其并行化优点,最终对基于球面探测器的CT图像重建在GPU上进行设计与实现。本文所使用的GPU型号为GeForce GTX660,以CUDA C为编程语言在Visual Studio2010环境下运行基于球面探测器的CT图像重建算法。而文献[39]中的基于平面探测器的CT图像重建算法,是在Inter core i7processor上以Matlab R2010a为编程环境进行实现的。本文方法与文献[39]的方法相比较,重建图像质量相近的情况下重建速度提高了45倍以上,与文献[46]相比,重建速度提高了3倍以上。