首页 > 文献资料
-
一种基于GPU计算的超声内镜系统
超声内镜成像（Endoscopic Ultrasound Imaging，EUS）在临床中具有重要的作用，针对该成像系统的功能需求，设计并实现了一种将原始回波数据采集传输至计算机后，利用GPU（Graphic Processing Unit）作为主要单元进行计算的单阵元旋转式超声内镜系统。整个系统包括20M H z压电陶瓷材料换能器探头，前端处理模块，电机以及电机驱动模块，基于现场可变编辑门阵列（Field-Programmable Gate Array, FPGA）的数据采集与PCI-e数据传输接口，加速与成像算法部分。利用PDMS（Polydimethylsiloxane，聚二甲基硅氧烷）体模和离体猪胃组织进行了成像，验证了系统成像的性能。
-
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.
-
一种实用的基于GPU的Katsevich算法的实现
Katseivch算法是精确地解决锥束螺旋CT“长物体”问题的滤波反投影(FBP)形式的CT重建算法,不过它依然是非常耗时的,实际应用中必须考虑如何加速的问题.本文给出了一个使用通用显卡(GPU)对该算法进行并行加速的方法.同已有的方法相比较,几乎所有的计算都在GPU上完成,并且重建时所使用的积分范围是由PI线决定的,并且给出了算法所需要的精确地显存大小,IO次数也被大可能地降低.本文使用了标准数值模型对方法的速度、准确性和稳定性进行了验证.
-
一种基于GPU虚拟栈的光线跟踪KD-Tree遍历算法
光线跟踪是实现高真实感绘制的渲染技术,利用GPU的大规模并行计算能力实现光线跟踪计算加速是目前研究的热点.KD-Tree是GPU上光线跟踪的主要加速结构,而基于栈的CPU遍历算法无法直接应用到GPU上.本文提出一种基于二进制位运算的虚拟栈结构,通过较少的存储空间代价实现了GPU上栈的功能.通过设计宽松的入栈条件减少了相交测试次数,降低了数据存储量.结合已有的无栈遍历算法,设计实现了基于虚拟栈的KD-Tree遍历算法,相对于传统CPU算法达到两个数量级的加速比,相对使用简单栈结构的GPU算法也有较大幅度的速度提升.
-
CPU计算及其在生物医学研究中的应用
高性能计算是现代生物医学研究的重要工具和手段,传统的基于通用处理器(CPU)的计算机已很难满足生物医学研究对计算性能、效率和成本等多方面的综合性要求.近年来,图形处理器(GPU)计算技术异军突起,成为高性能计算领域的研究热点.本文介绍了GPU计算的基本概念、编程方法和特点,总结和讨论了GPU计算在生物医学中的应用现状和存在问题.后,结合实际情况提出了利用GPU计算的一些研究工作设想.
-
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GPU的医学图像三维重建体绘制技术综述
体绘制技术能够很好地显示对象内部的细节信息，对于医学诊断有着很好的实用价值。但由于当前用于重建的图像数据量与以往相比有显著增加，传统的基于CPU的体绘制技术在三维重建中存在着绘制速度慢、交互不流畅等问题，从而使基于图形处理芯片（GPU）的体绘制技术有了很大研究价值。随着GPU并行计算能力和可编程性的快速发展，GPU用于医学图像实时绘制成为可能。首先对体绘制技术进行简单介绍，并对GPU进行系统阐述，然后对一种基于GPU的体绘制技术的实现做出综述，后对基于GPU的体绘制技术进行总结和展望。
-
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.
-
GPU加速的光线投射体绘制工具包设计
为了提高体绘制的速度,充分利用了GPU的可编程性和并行计算能力,在兼容着色模式3.0的图形卡上实现了光线投射算法,并通过对可视化工具包VTK进行扩展,设计了一个可充分利用GPU加速功能的体绘制工具包.实验结果表明,GPU加速的算法显著提高了绘制速度,能在60帧/s的速度下得到高质量的图像绘制效果,并保证了交互的实时性.所设计的工具包具有一定的可用性和可扩展性.
-
基于GPU的蒙特卡洛放疗剂量模拟
目的:蒙特卡洛模拟被认为是目前剂量计算方面为精确的算法,但是因为其模拟时间过长,在临床应用上受到限制.EGSnrc作为目前在医学物理领域应用为广泛的蒙特卡洛模拟软件,因为其过长的执行时间,其在临床方面的应用受到很大限制.为了克服这一障碍,我们开发了一个基于GPU的蒙特卡洛模拟程序,以期为放疗计量提供一个高效和低成本的蒙卡程序.方法:本文给出了一种基于GPU(Graphic Processing Unit)的蒙特卡洛模拟的新方法,开发语言是CUDA 5.0,将目前为通用的蒙特卡洛程序EGSnrc移植到GPU平台,保留EGSnrc的核心物理过程以及输运过程的算法,这可以在大限度保持原来EGSnrc模拟精度的前提下,极大地提高蒙特卡洛模拟的效率.GPU版本的蒙特卡洛模拟程序运行在一块英伟达Tesla C2050显卡上.GPU版本的EGSnrc精度的验证采用了纯水模体,同时,入射的射线我们选择为6 MV的光子.为了进一步检验GPU版本的EGSnrc的精度,我们进行了一个逐体素的检验,检验结果显示,GPU版本的EGSnrc和EGSnrc符合的很好.结果:终实验结果表明,在模拟20亿个相空间事例的情况下,使用NVIDIA Tesla C2050显卡,新的基于GPU的蒙特卡洛程序的速度比在单核的Intel Xeon 2.0 GHz CPU上的模拟速度提高了43倍,且其精度与EGSnrc的精度相当.计算结果的方差在高剂量区域(D＞Dmax)小于0.5％,计量误差经过Dmax归一化之后,其和EGSnrc的误差小于1％的比率在占整个区域的90％以上.结论:通过此新程序表明,基于GPU的蒙特卡洛算法可以极大地提高蒙特卡洛程序的运行效率,与此同时,GPU版本的EGSnrc在大程度上保持了EGSnrc的模拟精度.考虑到GPU版本的EGSnrc程序的速度以及精度优势,其在未来的临床应用中有着巨大的前景.
-
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.
-
基于影响因子的医学图像快速体绘制算法
目的:为了消除传统体切割算法的缺点,提出了一种基于影响因子的医学图像快速体绘制算法.方法:在应用GPU进行加速的基础上,将影响因子引入到传递函数的构造中,对重要组织、感兴趣器官部分的体数据赋予大的影响因子,相反则为其赋予小的影响因子,通过对体数据影响因子的调节来达到增强重要组织、感兴趣器官抑制次重要组织、非感兴趣器官的效果.结果:通过对由球形光照模型映射而来的纹理的索引来进行非真实感绘制,实现了对艺术式绘制风格的模拟.增强绘制图像对物体重要特征和细节的绘制能力.结论:该方法能够弥补传统切割算法的不足,在保证交互速度的前提下清楚地显示体数据内部的结构,为医务人员诊断提供尽可能多的信息.
-
基于GPU的医学图像快速体切割算法
目的:在体绘制过程中,有许多重要的、医生感兴趣的细节信息隐藏在数据场内部,在进行显示时,这部分信息很容易被其他组织或器官遮挡,无法显示在重建图像中,为了给医生提供全面、直观和准确的诊断信息,本文提出了一种基于GPU加速的体切割算法.方法:通过将切割算法和基于GPU的光线投射算法结合,实现体数据的快速切割.本文在基于GPU加速的医学图像快速体绘制的基础上,将剖面的空间信息传入着色器,然后通过比较体数据的空间坐标与剖面位置的关系来决定体数据的取舍.该方法不同于以往基于深度模板信息的体切割,在定义好切割平面后,可从任意角度对保留下来的有效体数据的重建结果进行观察.结果:该方法能够精确地按照用户定义的形状对体数据进行切割.并且由于使用了硬件的加速功能,该方法可以达到实时交互的速度.结论:该方法能够满足医学影像可视化的实时交互要求,在手术模拟等临床技术中有广泛应用.
-
基于GPU的医学图像快速体绘制算法
目的:将传统的光线投射体绘制算法在具有可编程管线的图形处理器(GPU)上重新实现,将耗时的三线性插值和采样过程放在GPU上进行,提高重建速度.方法:首先将体数据和传递函数映射为纹理并将其载入到显存,接着通过对顶点着色程序和像素着色程序的编写将光线进入点、离开点的计算以及图像的合成运算移入GPU中,后通过调整传递函数来实现不同的绘制效果.通过使用渲染到纹理技术,将绘制的中间结果保存到纹理,并以此来避免使用着色器的动态分支功能.结果:与传统的光线投射算法相比,本文算法可快速重建出质量较高的图像.结论:实验表明,在同等绘制质量的前提下,该方法的绘制速度显著提高,能够满足医学影像可视化的实时交互需求,具有较好的临床应用前景.
-
基于非局部权值先验和GPU加速的3D低剂量CT成像
在肿瘤监测和放疗计划制定中,需要多次CT扫描,其使用的X射线辐射剂量已受到广泛关注.为了获得高质量的低剂量CT图像,本文提出一种基于非局部权值先验和GPU加速的3D低剂量CT成像新方法.源于非局部均值滤波(NLM)思想,本文方法采用先前标准剂量CT扫描图像构建用于低剂量CT图像重建的全新非局部均值滤波.具体而言,本文方法首先将3D标准剂量图像与低剂量图像进行配准以减少两图像数据间解剖结构的不一致性,接着利用两配准后的图像构建NLM权重先验,后采用全新的非局部平均实现高质量的低剂量CT成像.为了增加本文方法的执行效率,GPU硬件加速技术被采用.实验结果表明,本文方法较传统NLM滤波在低剂量图像的噪声消除和细节信息保持两方面均有优势显著且执行效率大幅提升.
-
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.
-
基于GPU计算的地震波场高阶有限差分正演研究
本文介绍地震波场高阶有限差分正演及其GPU计算问题,通过数值模拟技术实现地震波正演.对于声波方程,利用泰勒级数展开式得出波动方程的高阶有限差分格式及其离散表达式.运用C++语言和CUDA编写二维和三维GPU正演程序,使用共享存储器提升GPU线程间通信传输速度,并且改善了三维模型情况下共享存储器容量对有限差分阶数的限制问题.建立不同尺度模型针对二维和三维GPU正演程序和CPU正演程序进行计算测试,比较两个程序的计算效率.测试结果表明,无论是在二维和三维的模型下,GPU正演程序的计算耗时都远远小于CPU正演程序的计算耗时,且随着计算数据量的增大,加速效果越来越显著,测试结果可以很好地证明GPU程序相对于单CPU程序计算的高效性.
-
基于GPU实现的数字合成X射线体层成像投影数据的模拟方法
数字合成X射线体层成像技术能利用有限角度下的投影数据重建物体任意断层的图像.在数宁合成X射线体层成像重建算法研究中,模拟投影数据是重要的步骤,本文提出了一种基于GPU光线投射算法的数字合成X射线体层成像投影数据模拟方法.比较传统CPU模拟手段,GPU模拟方法计算速率快,且基于硬件支持的三线性插值能够得到更加接近实际的投影结果.本文采用传统CPU模拟方法和GPU模拟方法分别计算投影数据,对两种方法获得投影使用ART算法和小波-伽辽金方法进行重建,得到较好的重建效果.
关键词： tomosynthesis 投影数据模拟 光线投射算法 GPU
