基于GPU的自由式核回归三维超声重建算法研究与实现

发布时间：2017-09-08 05:16

  本文关键词：基于GPU的自由式核回归三维超声重建算法研究与实现

  更多相关文章： 自由式超声 核回归 三维重建 GPU CUDA

【摘要】：影像引导技术在实际医疗工作中被广泛使用着,而超声技术相比于其他成像技术有着非侵入式、非电离、便携式、低成本等各种优点,所以二维超声技术是目前被使用最多的医学成像技术,然而二维图形却有着无法提供器官和组织完整数据的不足,三维超声技术便显得非常有意义。中国科学院深圳先进技术研究院中的医工所对三维超声重建有着不少的研究,该所基于非参数估计方法所实现的自由式核回归三维超声重建算法有着重建图形质量高的优点,相比于其他三维超声重建算法,自由式核回归三维超声算法能够有效的抑制散斑噪声同时保留图形边界,然而由于其过高的时间复杂度,也有着严重的运算时间过长的缺点。为了让该算法能够更好的投入实际应用中,算法的加速处理显得很有必要,这也是本文的主要目的。在进过多次其他尝试后,考虑到核回归超声重建算法自身计算点在运算时的独立性,该算法非常适合并行处理,本文决定使用CUDA编程技术来对核回归超声重建算法进行GPU加速处理,文章核心就是核回归算法本身和CUDA编程相结合,最后得到一个基于GPU的自由式核回归三维超声重建算法,目的在于极大的提升核回归超声重建算法在实际工作时的运算速度,让其能够更好的投入使用。为了验证算法实现是否成功,文章中会设计多组超声数据来进行三维重建操作,用来对比CPU版本的核回归算法与GPU版本的核回归算法之间的运算时间差别。最后,为了进一步的了解核回归算法的参数选取对实际重建效果的影响,本文将利用均方根误差方法来最后评估不同大小的函数带宽对重建质量的影响效果,同时,根据前面使用的超声图像数据,在选取不同大小的运算参数来进过多次三维超声重建后,会得到不同参数的重建速度,用于探讨不同的参数对重建速度的影响力度,以求得到合适的参数来获取最好的重建效果。本文主要成果分为两个部分:一个是实现了对核回归算法的GPU加速处理,而且速度提升明显,相比之前的CPU版本的核回归重建算法,平均提升速度有80倍之多;另一个则是通过一系列的实验得知了如何选择核回归算法的运算参数来达到最好的重建效果。在实际实现算法的过程中,由于CUDA编程模型自身对单个GPU线程有着本地内存大小的限制,所以在运算时,无法选取更多的数据来对运算点进行计算,不能获取更高精度的图像,在后续工作中,应该进一步的优化算法实现,以便获得更高精度的重建图像。
【关键词】：自由式超声 核回归 三维重建 GPU CUDA
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TB559
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 缩略语对照表10-13
• 第一章 绪论13-19
• 1.1 课题背景和研究意义13-14
• 1.2 三维超声重建算法的发展和研究现状14-16
• 1.3 GPU的发展现状16-17
• 1.4 本文的研究工作和创新点17
• 1.5 论文结构17-19
• 第二章 核回归超声重建算法GPU实现的相关技术19-27
• 2.1 CUDA编程技术19-24
• 2.1.1 CUDA简介19-20
• 2.1.2 CUDA基本概念-内核(Kernels)20-21
• 2.1.3 CUDA基本概念-主机端(Host)与设备端(Device)21-22
• 2.1.4 CUDA编程常用参数和变量22-23
• 2.1.5 NVCC编译器23-24
• 2.2 硬件与系统24-25
• 2.3 小结25-27
• 第三章 核回归三维超声重建算法的GPU实现27-43
• 3.1 核回归三维超声重建算法的现状27-28
• 3.2 核回归三维超声重建算法的加速处理28-29
• 3.3 自由式核回归三维超声重建算法原理29-33
• 3.4 核回归三维超声重建算法的GPU实现33-40
• 3.4.1 核回归重建算法的GPU实现设计33-35
• 3.4.2 CPU端工作35-37
• 3.4.3 GPU端工作37-40
• 3.4.4 其他操作40
• 3.5 小结40-43
• 第四章 结果与分析43-57
• 4.1 实验结果43-48
• 4.1.1 实验环境43
• 4.1.2 输入数据43-45
• 4.1.3 实验输出45-48
• 4.2 结果分析48-54
• 4.2.1 均方根误差48-49
• 4.2.2 加速效果分析49-53
• 4.2.3 带宽h的影响53-54
• 4.3 小结54-57
• 第五章 结束语57-59
• 致谢59-61
• 参考文献61-65
• 作者简介65-66

【相似文献】

中国期刊全文数据库 前10条

1 钱少先;图象重建算法与实现[J];安庆师范学院学报(自然科学版);1999年03期

2 彭翔;邱文杰;韦林彬;张鹏;田劲东;;相位解码的时-空重建算法[J];光学学报;2006年01期

3 高睿;赵瑞珍;胡绍海;;基于压缩感知的变步长自适应匹配追踪重建算法[J];光学学报;2010年06期

4 黄鑫;陈武凡;冯衍秋;;基于鲁棒估计的并行磁共振成像中部分数据重建算法[J];计算机学报;2011年09期

5 宋一中;魏本征;赵志敏;;光谱法分析代数迭代重建算法及改进[J];光谱学与光谱分析;2008年10期

6 高玮玮;沈建新;李邦明;梁春;;几种人眼波前像差重建算法的对比研究[J];光谱学与光谱分析;2010年08期

7 李红艳;万钟林;;基于网格的最小二乘重建算法[J];咸宁学院学报;2011年12期

8 谢海滨,邬学文;网格重建算法[J];华东师范大学学报(自然科学版);1999年02期

9 李镜;刘文杰;朱佩平;孙怡;;基于光栅相衬成像的扇束螺旋CT重建算法[J];光学学报;2010年02期

10 李旭红;汉字字模的自动提取和重建算法[J];湖北民族学院学报(自然科学版);1999年03期

中国重要会议论文全文数据库 前10条

1 胡永胜;;重建算法对低剂量肺部CT扫描图像质量和诊断的影响[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

2 宋e，

本文编号：812093