论文部分内容阅读
CT(Computed Tomography)是通过X射线扫描被测物体从而确定被测物体内部信息的一门技术,它是医学图像领域的重要分支,同时也被广泛运用于工业、勘探、航天等领域。锥束CT(Cone-beam CT,CBCT)是CT技术之一,因其采集速度快、空间分辨率高、射线利用率高等特点成为近年来研究的热点。然而,CBCT扫描得到的数据量庞大,重建运算计算量大,重建时间比较长,难以满足实际工程中实时性的需求。近年来,随着图形处理器(Graphics Processing Unit,GPU)的快速发展,尤其是2006年CUDA(Computer Unified Device Architecture)编程架构的提出,促进了基于GPU的并行计算的广泛应用,为CBCT重建算法的并行加速提供了新的路径。本文主要针对CBCT重建算法的GPU并行加速展开,并初步实现了CBCT重建结果的三维可视化。具体工作如下:1.分析了锥束FDK(Feldkamp-Davis-Kress)算法和并行计算的可行性。首先,概述了CT成像的物理和数学基础;其次,从二维扇形束反投影重建算法开始,进而深入分析了三维锥束CT的FDK算法;最后针对FDK算法具有并行计算的可行性展开分析,从而为下一步并行加速计算打下理论基础。2.基于CUDA编程框架实现了FDK算法的GPU并行加速。利用三角函数周期性的特点对笛卡尔坐标系下的FDK算法进行了改进,并应用CUDA技术设计实现了算法的并行加速。在加权计算中每个GPU线程计算CT投影的一个像素,实现了所有像素点的并行计算;在滤波过程中对图像数据进行重排从而减少傅里叶变换的计算次数,提高计算速度,并利用常量内存提高数据传输速度;在反投影过程中利用重建体数据间相互独立的特性和三角函数的周期性,大大减少了三角函数的计算次数,并通过GPU实现了12幅投影数据同时反投影计算,加速了反投影计算过程。实验结果表明,针对图像重建体数据大小为512?512?512,在不降低成像质量的情况下,相比于CPU获得了超过310倍的加速比。3.在移动立方体算法(Marching Cubes)和可视化软件包VTK的基础上,利用QT设计了简单的三维可视化软件。软件共有四个显示窗口,可以实现三维体数据的显示和横截面、矢状面和冠状面的显示操作,同时支持三维体数据和二维图形的平移、旋转和缩放。