基于CUDA的脑组织快速提取研究

发布时间：2017-08-24 12:33

  本文关键词：基于CUDA的脑组织快速提取研究

  更多相关文章： 脑组织提取 CUDA SP-BET 水平集 区域生长

【摘要】：随着医学成像技术的快速发展,磁共振成像技术彻底摆脱了电离辐射对人体细胞的伤害,无创伤,而且具有多方位成像,信息量大,能清楚区分软组织等特点。从磁共振脑图像中对脑组织的分割提取已成为脑功能研究及临床医学应用中的一项非常重要的预处理过程。在实际应用中,为检测出病人和正常人大脑之间的细小差别,需要对大量病人和正常人的脑图像进行脑组织提取实验,以便细节比较。这需要较高的脑组织提取精度和速度,以及较强的稳定性。手动的脑组织提取方法可以达到精度很高,但是费时费力,需要操作人员对大脑解剖结构非常清楚,且受主观性影响;自动的脑组织提取方法中采用混合方法,可以达到较高精度和稳定性要求,处理时间比手动的快,但是速度上仍然难以满足用户需求。为此,本文提出基于CUDA的脑组织快速提取方法的研究,采用改进的BET、水平集、区域生长三种结合的混合的并行处理的脑组织自动提取算法。在本文中,利用CUDA多核GPU加速的方法快速提取脑组织。脑组织的提取算法首先采用改进的BET,通过分配线程并行处理的方式计算,每次迭代,一个线程计算大脑表面的一个顶点新位置,每个线程块计算同一幅MR脑图像切片的所有顶点更新时的新位置。因此,迭代N次后,可以同时更新K幅MR脑图像切片所有顶点的新位置,即BET演化结束。为了改善算法的准确性,我们用上一幅MR脑图像切片的BET演化结果作为下一幅MR脑图像切片的初始脑组织轮廓。实验结果表明,这种BET并行计算提取脑组织的方法在准确性和稳定性方面全局最优,在处理110幅MR脑图像切片时,运行时间不足1s,实现了脑组织轮廓的快速提取。在BET演化的基础上,将所有离散的顶点两两相连连成线,得到初始的脑组织轮廓,并通过区域生长方法可以得到每幅MR脑图像切片的初始脑组织掩模,最后再利用水平集和区域生长结合的方法提取准确的脑组织。实验结果表明,水平集并行处理的方法在准确性和稳定性方面局部最优,在处理一幅MR脑图像切片时,运行时间低于1s,这种基于CUDA并行处理的混合方法实现了对脑组织的快速提取。
【关键词】：脑组织提取 CUDA SP-BET 水平集 区域生长
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;R445.2
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-19
• 1.1 课题研究背景和意义9-10
• 1.2 国内外研究现状10-17
• 1.2.1 脑组织提取的研究现状10-14
• 1.2.2 GPU的发展14-17
• 1.3 本文研究内容17-18
• 1.4 本文结构18-19
• 第二章 CUDA技术19-27
• 2.1 引言19
• 2.2 CUDA编程模型19-23
• 2.2.1 线程层次20-21
• 2.2.2 CUDA核21-22
• 2.2.3 CUDA对C的扩展22-23
• 2.3 CUDA存储模型23-25
• 2.4 CUDA的开发环境25-26
• 2.5 本章小结26-27
• 第三章 基于CUDA和BET的脑组织快速提取27-42
• 3.1 引言27
• 3.2 BET算法原理27-30
• 3.2.1 轮廓的初始化28
• 3.2.2 BET的演化原理28-30
• 3.3 BET算法的改进30-33
• 3.3.1 平滑力的改进30-31
• 3.3.2 扩张力的改进31-32
• 3.3.3 搜索路径的改进32-33
• 3.4 基于CUDA的脑组织快速提取33-41
• 3.4.1 P-BET方法33-36
• 3.4.2 SP-BET方法36-38
• 3.4.3 实验结果38-41
• 3.5 本章小结41-42
• 第四章 基于CUDA、水平集和区域生长的脑组织快速提取42-57
• 4.1 引言42
• 4.2 水平集方法42-46
• 4.2.1 曲线演化42-44
• 4.2.2 水平集方法44-46
• 4.3 区域生长概述46-47
• 4.4 基于CUDA的脑组织提取实验47-56
• 4.4.1 脑组织掩模的提取47-48
• 4.4.2 基于水平集的脑组织快速提取48-53
• 4.4.3 水平集和区域生长结合的脑组织快速提取53-56
• 4.5 本章小结56-57
• 第五章 总结和展望57-59
• 5.1 总结57-58
• 5.2 展望58-59
• 参考文献59-63
• 致谢63-64

【相似文献】

中国期刊全文数据库 前10条

1 杨晓霜;汪源源;王涌;王怡;;基于改进变分水平集法提取超声图像乳腺肿瘤边缘[J];航天医学与医学工程;2008年06期

2 鲍征烨;周卫平;舒华忠;;一种基于水平集的骨架提取方法[J];生物医学工程研究;2007年02期

3 杨玲;侯小叶;王中科;饶妮妮;;局部信息约束的形状导向水平集算法对下颌管的分割[J];中国生物医学工程学报;2012年02期

4 任晓颖;喻大华;;一种基于ITK脑部MRI混合分割方法的设计与实现[J];中国组织工程研究;2012年39期

5 李海云,李光颖,王筝;一种基于水平集的脊柱MRI图像分割算法的研究[J];北京生物医学工程;2004年03期

6 金大年;陈卫东;韦秋菊;;一种基于快速混合型K均值的水平集图像分割方法[J];中国医学物理学杂志;2011年01期

7 杨昌俊;杨新;;基于图割与快速水平集的腹部CT图像分割[J];CT理论与应用研究;2011年03期

8 郑彩仙;许修;王成;叶秀霞;;MRI-UTE牙齿图像分割的分层约束矫正的改进水平集算法[J];中国医疗器械杂志;2013年04期

9 冯艳玲;陈真诚;何继善;张阳德;钱盛友;;基于水平集的HIFU损伤区域三维重建技术[J];医疗卫生装备;2007年11期

10 朱昀,杨杰,于志强;基于混合水平集模型的CT颅面眼眶分割[J];生物医学工程学杂志;2005年05期

中国重要会议论文全文数据库 前9条

1 田昊;杨剑;李国辉;;基于变分水平集的遥感影像建筑物检测[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

2 王一波;胡仲翔;姚耀;;基于水平集的激光条纹提取方法[A];2009全国虚拟仪器大会论文集（一）[C];2009年

3 曹晓光;崔林艳;;基于阈值和水平集的尿沉渣图像分割组合算法[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

4 王斐;赵杰煜;;基于多重网格的水平集图像分割方法[A];第十四届全国图象图形学学术会议论文集[C];2008年

5 梅立超;姜慧研;张柳青;刘洪娟;;基于GPU和水平集的肝脏快速分割方法的研究[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

6 凌和良;邬冬华;刘瑞霞;;变测度的积分型全局优化算法[A];中国运筹学会第七届学术交流会论文集（下卷）[C];2004年

7 程俊霞;;水平集方程在四边形网格上的数值离散方法[A];中国工程物理研究院科技年报(2008年版)[C];2009年

8 金小礼;雷作胜;张浩斌;邓康;任忠鸣;;气泡在不互溶两相流体界面行为的数值模拟[A];第十三届（2009年）冶金反应工程学会议论文集[C];2009年

9 龚小谨;邢琰;林颖;雷杰;刘济林;;基于贝叶斯分类与水平集演化的月面岩石自动检测[A];中国宇航学会深空探测技术专业委员会第八届学术年会论文集（下篇）[C];2011年

中国博士学位论文全文数据库 前10条

1 韩明;基于水平集表示和均值漂移的运动目标检测与跟踪研究[D];燕山大学;2015年

2 秦传波;基于微型机器人的自动化显微注射系统关键技术研究[D];华南理工大学;2015年

3 杨红U，

本文编号：731334