首页 > 文献资料
-
并行各向异性扩散算法与实时医学图像增强技术
各向异性扩散算法在去除图像噪声同时能保持重要的边缘和局部细节,因此在医学图像增强中得到广泛应用.但医学图像数据分辨率和灰度级都很高,求解各向异性扩散的偏微分方程时运算量很大,在许多实时系统中应用该类算法存在显著迟滞.本文采用CUDA架构,利用像素的独立性和偏微分方程求解的并发性,实现了并行各向异性扩散算法,在保证效果的同时显著降低了处理时间,满足了实时性的需求.
-
基于CUDA的快速光线投射法
NVIDIA的GeForce 8系列显卡上的统一设备架构(common unified device architecture,CUDA)不需要映射到图形API便可在GPU上进行计算的分配和管理,因此较适合于大数据量的医学图像可视化领域.本文分析了CUDA的设计思想和编程模式,针对其特点对传统基于硬件的光线投射法进行改进,将计算耗时的绘制部分改造成单指令多数据模式(single instruction multiple data,SIMD),并分别运用纹理存储器和共享存储器对算法进行优化.实验结果表明,该方法能够快速、高效地生成可视化图像.
-
基于CUDA的BLASTN加速研究
目的 利用图形处理器(graphic processing unit,GPU)计算技术对广泛使用的生物信息学序列比对工具BLASTN加速,服务于新一代测序技术条件下海量生物序列数据分析任务.方法 采用计算统一设备架构(compute unified device architecture,CUDA)并行计算架构,从GPU多线程并行和多GPU并行两个维度,对核酸序列比对工具BLASTN的种子查找阶段和不允许空位延伸阶段进行并行加速.结果 基于CUDA的CUDA-BLASTN取得了显著的加速效果,与FSA-BLAST相比,采用单个Nvidia Tesla C2075显卡在以上两阶段取得了高达26.8倍的加速比,而且结果准确度没有降低.CUDA-BLASTN特别适合于中长查询序列对长序列数据库的比对任务.结论 利用GPU计算可在较大程度上加速序列比对过程,性价比较高,具有很好的应用前景.
-
基于GPU的JPEG2000医学图像压缩方法研究
为使用GPU技术对医学图像进行JPEG2000压缩提供了一种解决方案.利用GPU的并行计算优势对医学图像进行JPEG2000压缩,可以提高医学图像压缩效率进而缓解PACS服务器压力.经验证,该方案可以较大地提升医学图像压缩速度,进而减轻PACS服务器负荷.
关键词： 医学影像 DICOM JPEG2000压缩 GPU CUDA -
基于CUDA的三维表面重建
在医学图像处理中,常常需要提取出等值面来进行三维重建.传统的Marching Cube(MC)算法在进行三维重建时十分耗时,不能实时响应处理.因此,提出一种基于cuda的MC算法来解决这个问题.相对于cpu上运行的MC算法.基于cuda 的MC算法运行效率明显提高,且不同阈值的表面可被实时提取出来.
-
基于CUDA的三维医学影像处理算法研究
近年来，随着图形处理器GPU（Graphics Processing Unit）性能上的飞速发展，利用GPU加速技术进行三维医学影像处理已经成为一个研究热点。通过通用并行计算架构CUDA（Compute Unified Device Architecture）实现了大密度投影MIP（Maximum Intensity Projection）与直接体绘制DVR（Direct Volume Rendering）可视化算法，并在此基础上对此GPU加速技术进行了综合分析。
-
基于GPUs可视化技术的心脏辅助诊断系统研究
目的:实现基于GPUs的心脏断层图像的精确分割和三维可视化,完成心脏辅助诊断系统的设计.方法:结合临床专家诊断经验、心脏CT图像先验特征和图像分割算法模型,采用GPUs并行数据处理技术实现心脏结构的分割和三雏可视化.结果:完成了CT心脏序列图像的精确、快速、鲁棒分割和三维可视化,初步实现了基于GPUs的可视化技术的心脏辅助诊断系统.结论:研究充分利用计算机图形处理单元GPU强大的并行计算能力,解决了医学图像处理和分割中的问题.提高了程序的运行效率,改善了用户体验.
-
基于CUDA的多角度平面波复合算法研究
多角度平面波复合算法是超快速超声成像技术的基础,有利于提高传统聚焦超声的成像帧频及分辨率.但是现有的多角度平面波复合技术由于其计算量较大,导致CPU计算耗时不能满足实时成像要求.该文提出了基于CUDA架构的多角度平面波复合算法,并进行了仿真工作以及对比实验.实验结果表明,基于GPU的多角度平面波复合计算耗时远低于CPU计算方法,可以大幅度提高计算速度以满足超声设备实时成像要求.
-
基于CUDA平台的DR图像增强处理加速算法
针对DR图像的分辨率高,增强算法的运行时间较长,提出了一种基于CUDA平台的GPU加速方法,它利用GPU的并行运算功能来完成塔型算法的分解和重建环节中的大量卷积运算.实验表明,该方法能快速准确地完成多尺度塔型增强算法的运算,加速效果非常明显.
-
基于GPU的蒙特卡洛放疗剂量并行计算
目的:蒙特卡洛模拟在放疗剂量计算领域被广泛视为精确的计算方法,但对于日常的临床应用,其效率仍有较大提升需求和空间.方法:本文会呈现放疗剂量计算领域的新成果-维持相同的粒子输运原理的同时,使用CUDA语言,利用显卡的GPU(Graphic Processing Unit)并行处理蒙特卡洛计算中的主要过程,计算光子剂量沉积.这样既可以保证不失去蒙卡模拟的精度,又可以极大地提高运算速度.结果:实践表明在使用NVIDIA GTX460 1G DDR5 plus INTEL i52300的硬件设备,在GPU上并行计算蒙特卡洛放疗剂量沉积时,计算100万个光子剂量沉积时加速因子达到116.6,处理1000万光子入射,加速因子可达127.5.结论:本文中利用显卡GPU运行CUDA语言对放疗剂量计算进行模拟,是一种可以大幅有效提高剂量计算效率方法.
-
基于CUDA的医学影像数据处理工作站的配置方法
目的:以个人电脑为平台,结合CUDA(Compute Unified Device Architecture,统一计算设备架构)以显著提高个人电脑的计算能力,使其能够承担大运算量医学影像数据处理任务.方法:CUDA是NVIDIA公司推出的一款运算模型,把GPU多线程并行性能引入除图像显示之外的领域,可以大幅提升个人电脑的运算能力.在装有Windows XP的电脑上安装支持CUDA的NVIDIA显卡,然后依次下载安装CUDA Driver,toolkit,SDK,Visual Studio及CUDA VS wizard x32软件.让CPU和GPU协同工作,把程序中可以并行处理的部分并行化,使原来在CPU上只能顺序处理的大量循环计算,可以在GPU上以大量线程并行处理的方式一次计算完成.结果:在配备支持CUDA的NVIDIA显卡的个人电脑上可以安装CUDA,但配置比较复杂,安装完成通过测试后可以利用显卡中大量的流处理器进行并行计算.结论:个人电脑安装CUDA后可以利用GPU中大量的流处理器进行并行计算,将个人电脑转变为一台高性价比的医学影像数据并行处理工作站.
-
基于CUDA的医学图像处理算法平台的设计与初步实现
目的:本文介绍了所开发的医学图像处理算法平台(cudaGIL),设计平台主要是为医学图像处理算法的开发和测试提供一个简洁的框架.方法:该平台封装了cudpp,cufft,thrust等第三方库,并提供简洁的算法接口,使得并行算法能在该平台上高效执行；采用了优化的迭代器模式和数据分页方法,用以降低数据索引的时间消耗；组件管理模式被用于该平台中,用户可以新建组件扩展自定义算法；使用建立在OpenGL与CUDA基础上的异步操作实时显示图像.结果:通过与已有平台的比较,结果显示该平台在算法效率和显示速度上有了较大的提升.结论:本文设计的医学图像处理算法平台可作为医学图像算法的开发工具.
-
基于CUDA的快速三维医学图像分割
目的:三维分割是医学图像分析和可视化中的重要组成部分,也是医学图像分割中的一个难点.水平集方法在三维医学图像分割中有很广阔的应用前景,但是该算法的计算量大,不能达到实时处理的要求.针对这个问题,提出了一种基于CUDA的并行加速方法.方法:采用NVIDIA公司的GPGPU模型CUDA,利用图像像素的独立性和偏微分方程求解的并发性,提高C-V水平集算法的分割速度.给出了并行计算的流程图,并对C-V水平集算法在CUDA上的实现进行了详细介绍.结果:实现了C-V水平集并行加速算法,该方法在保证分割效果的前提下,具有更快的分割速度.结论:所提出的方法是切实可行的,实现了快速的三维医学图像分割.
-
基于CUDA的蛋白质点检测快速实现方法
为提高蛋白质点检测的效率,利用图像处理单元(GPU)在并行计算和内存管理方面的优势,提出一种基于CUDA的蛋白质点检测快速实现方法.首先,对蛋白质点检测算法中耗时的图像预处理、蛋白质点粗检测和重叠蛋白质点分割三部分进行并行化设计;然后,根据CUDA单指令多线程的执行方式对数据空间进行二维分块,利用共享寄存器和二维纹理内存的内存管理措施实现了蛋白质点快速检测.通过本文方法与中央处理器(CPU)串行方法进行真实凝胶图像的检测对比实验,结果表明,本文方法的执行效率明显高于CPU串行方法,并且随着图像大小的增加,效率也随之提高,对于2 048×2 048大小的图像数据,CPU串行实现时间为52 641 ms,GPU则为4 384 ms,效率提高了11倍.
-
用CUDA实现放射治疗中剂量的快速计算
剂量计算是放射治疗计划系统的关键技术之一,它既要有较高的计算精度又要有较快的计算速度.有限笔束(FSPB)算法是目前放射治疗计划系统大多采用的光子线剂量计算算法,其计算速度尚不能达到实时治疗计划程度.本文采用图形处理器(GPU),对FSPB算法中耗时的部分实现了基于GPU并行化计算,与基于中央处理器(CPU)的计算相比,在中低端GPU(Geforce GT320)上,剂量计算速度提高可达25～35倍,在较高端GPU(TeslaC1060)上计算速度提高可达55～100倍,计算效率完全可用于实时治疗计划中的剂量计算.
-
基于可见性直方图的传递函数在心脏三维显示中的应用
在心脏的三维可视化的研究中,传递函数是一个十分重要的工具.然而,心脏复杂的结构使传递函数的设计十分困难.本文介绍了基于可见性直方图的传递函数设计以用来显示心脏双源CT数据.先对心脏双源CT体数据做预处理,提出在视线投射算法中利用基于可见性直方图的心脏传递函数对心脏数据进行三维显示,并且提出半自动方法来确定传递函数.通过这些方法,用户可以通过调节传递函数突出显示感兴趣的部分,甚至可以观察到心腔的许多细节.后,利用CUDA技术对计算及显示进行加速,对三维体数据进行实时动态显示.实验表明,利用本文提出的方法可以有效地去掉心脏双源CT中的肋骨,肺静脉等数据,突出显示心肌组织及血液,并且通过传递函数可以看到主动脉瓣等心脏内部结构,对于心外科医生临床诊断有一定的意义.
-
基于CUDA的三维数据并行可视化
科学计算可视化是发达国家20世纪80年代后期提出并发展起来的一个新的研究领域,它运用计算机图形学和图像处理技术,将三维数据转换为图形及图像在屏幕上显示出米并进行交互处理,主要包括面绘制和体绘制两种方法.光线投射算法是经典的三维数据体绘制方法,图像质量较高,但计算时间较长,基于CUDA的编程技术利用CPU的多核并行运算功能可显若提高计算速度,实现大规模三维数据的实时可视化.
-
双源CT心脏图像的三维显示系统
针对心内复杂结构,本文结合三维虚拟内窥镜技术和二维常规观测截面功能,开发了双源CT心脏图像的显示系统。用户可以在本系统内以自动和交互式的两种方式观测心内结构。自动方式,对造影剂增强的数据部分进行基于欧式距离的三维骨架化得到规划路径,光线投射法根据已算出的欧式跳过空白区域,减少了绘制计算量;交互方式,用户可以随时从内窥镜视角切换到当前视点所在的任意截面,便于进行二维和三维的结构和病理综合分析。而且,本系统根据规划路径自动检测标准四腔切面,改善临床检查的效率。本系统采用基于CUDA的体绘制技术有效实现了对心内解剖结构更加直观的观测,便于心脏疾病的诊断和治疗。
