首页 > 文献资料
-
基于空域、频域和时间域的复合图像增强方法
在数字X线医学图像的放射成像过程中,由于人体结构和组织的复杂性以及成像系统中X线散射、电子噪声等各种不利因素的影响,导致图像质量的下降.本研究采用一种基于空间域、频率域以及时间域的高度复合的图像增强算法,同时将该算法在图形处理器(GPU)中利用统一计算设备架构(CUDA)编程接口实现,在达到对比度增强、细节增强、抑制图像中噪声的目的的同时满足临床实时性要求,从而降低X线剂量的使用,保护医师和患者的身体健康.
-
磁共振扩散张量成像数据分析中基于统一计算设备架构的高速行处理求解超定线性方程组方法
目的 提出一种运行于普通个人电脑平台上的并行方法,用于求解MR DTI中的超定线性方程组.方法 利用统一计算设备架构(CUDA)使中央处理器(CPU)与图形处理器(GPU)协同求解超定线性方程组.CPU用于数据准备与生成扩散矩阵,GPU中的大量流处理器并行用于迭代计算.结果 CUDA模式下行处理运算速度远快于CPU串行计算,图像矩阵增大时这一优势更加明显.结论 与CPU串行模式相比,CUDA模式可显著提高DTI数据处理速度.
-
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.
-
一种基于GPU的体积CT快速重建算法
为了解决体积CT图像重建时间较长问题,提出了一种适合于医学临床应用的快速重建算法.首先,提出了一种基于图形处理器(GPU)的体积CT图像重建方式,利用GPU强大的并行和浮点运算能力进行计算效能的提升.其次,将体积CT图像重建中的几何运算与像素运算分离,减少了重复运算,进一步提高了计算效率.后,基于医学应用背景,算法中实现了体积CT扫描和重建的并行化的思想.结果表明,利用上述的快速算法,在普通计算机硬件平台上即可实现重建时间减少70倍以上.
