论文部分内容阅读
随着放射治疗相关技术的发展，病人的医学影像数据规模越来越大，放射治疗计划系统需要处理的数据量也随之大大升高。临床应用中，医生往往需要等待放射治疗计划系统计算完成，而等待时间通常十分漫长。因此需要对放射治疗计划系统进行改进并加速。由于工艺限制，近年来CPU的发展遇到了瓶颈，现在CPU性能的提升通常是通过多核或众核架构的方式来实现。与CPU发展相对，GPU近年来高速发展，比多核CPU系统加速效果更好而且价格更便宜。NVIDIA公司于2007年推出的统一计算设备构架(Compute Unified DeviceArchitecture, CUDA)，使得GPU编程可以不需要考虑太多的硬件问题，更加方便进行编程工作。放疗计划系统中，传统基于CPU的剂量评估和三维重建算法由于只能串行执行，所以速度较慢。通过CUDA的异构编程模型，可以将程序中适合串行的部分使用CPU执行，并行度高的部分使用GPU执行，有效提高了程序的实时性。本文针对放疗计划软件系统中剂量评估和三维重建速度慢的问题，基于CUDA平台对其进行了加速，论文完成的主要研究工作如下：(1)根据异构编程模型对传统剂量-体积直方图(Dose Volume Histogram, DVH)统计算法进行了分析，将其中可并行部分和串行部分进行了区别。通过对CUDA存储模型的分析和研究，对程序中数据存储进行了优化。由于在DVH图统计投票过程中会产生严重的bank冲突，结合重离子剂量分布的特征，提出了一种避免bank冲突的投票算法。实现了基于CUDA的DVH图统计算法。(2)对体绘制过程中的核心问题传递函数进行了分析研究，针对传递函数参数中经常用到的体数据梯度幅值，采用三维sobel算子进行了精确计算。由于三维sobel算子进行梯度计算时存在庞大的计算量，为了解决计算速度慢的问题，通过CUDA进行了体数据梯度幅值的并行计算，得到了很好的加速效果。(3)分析并研究了医学图像的体绘制算法。重点对基于CUDA的光线投射算法进行了研究和实现，通过实验数据对比，达到了理想的绘制速度。根据研究结果表明，本论文对放射治疗计划系统中的剂量评估模块的DVH图统计和三维重建模块的体绘制重建算法的并行改进加速效果明显。