基于GPU数据并行处理的血管内OCT成像研究

发布时间：2020-10-11 20:09

　　 目前,心血管疾病已成为世界疾病的首位死因。为了早预防心血管疾病的发生,光学相干断层的影像技术(OCT)可以对心血管疾病精准判断,但是血管内OCT成像时需要处理大量的数据。根据现有采用CPU的串行方式处理导致数据处理时间长。因此,将CPU串行的运算算法移植到图像处理单元(GPU)中解决数据并行处理的问题,并且实现血管三维OCT的图像重构。本论文阐述GPU在CUDA软件体系中对GPU的和内核配置和线程管理,解决血管内OCT影像2D和3D数据的并行处理问题。本文主要内容包括以下几方面:1.提出了血管内OCT成像数据并行处理方法:血管内OCT成像技术在血管检测的成像需要对大量的数据进行处理,并且实现血管OCT系统实时的处理2D和3D的数据。对比FPGA、DSP、GPU和CPU对数据处理的效率验证,确认血管内OCT系统采用GPU的设计方案。将数据处理的串行算法移植到GPU中实现血管OCT的数据并行处理。验证各个GPU函数接口的运行效率。2.提出了GPU并行算法内核配置和线程管理优化方法:在CUAD软件体系下实现GPU的内核和线程资源配置的算法接口。将GPU算法的控制接口输出动态链接库(DLL),在Lab VIEW软件平台上调研GPU算法接口进行仿真,对比血管OCT成像各算法实现数据并行的效率。3.研发基于GPU数据并行处理方法的心血管OCT影像系统和3D建模:搭建血管内OCT技术成像的硬件系统,在Lab VIEW软件平台调用CUDA的算法实现血管内OCT成像系统的2D实时成像。在该平台上验证GPU极坐标运算和动态线程管理的运算结果,实现较大的加速比。最后实现血管内OCT成像的3D重构,通过GPU加速实现血管内OCT的成像系统回拉300帧的图像进行3D模型。因此,通过低成本的GPU的方案实现血管内OCT系统实时图像显示3D血管内的组织可视化,该系统满足了心血管疾病精准诊断的需求。
【学位单位】：中国科学院大学(中国科学院深圳先进技术研究院)
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R54;R816.2;TP391.41
【部分图文】：

图 2.2CPU 多级缓存架构[36]据并行处理的架构ic Processing Unit中文意思为“图形处理器”，简称为GPU。（算术运算单元）,它可以在很少的时钟周期内完成算术力与CPU相比优势显而易见，通过GPU并行处理可以大规在图像处理领域中的运算也越来越广泛[37]。CPU与GPU图2.3所示。图 2.3CPU 与 GPU 内部逻辑架构对比[36]

图 2.2CPU 多级缓存架构[36]数据并行处理的架构aphic Processing Unit中文意思为“图形处理器”，简称为GPU。CPALU（算术运算单元）,它可以在很少的时钟周期内完成算术计算据能力与CPU相比优势显而易见，通过GPU并行处理可以大规模因此在图像处理领域中的运算也越来越广泛[37]。CPU与GPU中逻比如图2.3所示。

理器只负责执行线程，结构相对简单。程的软件体系ompute Unified Device Architecture)的编程接口由英伟进行 GPU 编程的接口[40]。CUDA C 语言是 NVIDI类 C 的编程语言，它主要包括扩 C 语言的最小扩展。NVIDIA 还提供一个专门编译 CUDA C 语言编写的译器。CUDA C 语言只编译 GPU 端的代码，因此要 与 GPU 数据的传输、内核函数的启动、计算资源的PI 不能同时混合使用，只能使用其中的一种[41,42]。软件体系由高到低共有三层组成，分别是 CUDA 库 CUDA 驱动 API，如图 2.4 所示。开发人员编写 CU三层中的库函数或者接口函数，越接近底层的函数对接近 GPU 底层硬件程序，操作难度越大。
【相似文献】

相关期刊论文 前10条

1 王光,张发存,沈绪榜;几何操作的数据并行实现[J];吉林大学学报(信息科学版);2005年06期

2 韩天舒;胡铭曾;李晓明;方滨兴;;数据并行语言中的扩展结构[J];计算机科学;1998年03期

3 陈斯愈,黄林鹏,孙永强;一个数据并行语言的设计及其实现[J];计算机工程;1997年03期

4 桂兵祥;何健;;基于高性能云的分布式数据并行处理机制[J];武汉工业学院学报;2010年01期

5 陈庆奎;那丽春;;一个数据并行型计算的网格资源的管理模型[J];计算机应用与软件;2006年08期

6 谢玉枚;卓琳;张洁玲;;利用数据并行对程序进行优化的一般方法探析[J];信息系统工程;2019年03期

7 刘政良;;一种大规模数据并行计算方法的改进研究[J];信息与电脑(理论版);2016年09期

8 陈庆奎;那丽春;;基于动态冗余机制的数据并行型计算网格模型[J];通信学报;2005年12期

9 李向宏,王丁,王鑫;数据并行问题的性能分析及优化[J];信息技术;2002年03期

10 农嘉;覃志松;;基于萤火虫算法的船舶交通数据并行调度方法[J];舰船科学技术;2019年18期

相关博士学位论文 前10条

1 肖天;数据并行程序正确性分析与网络流量优化[D];清华大学;2014年

2 王耀华;数据并行处理器中指令流出的协同性研究[D];国防科学技术大学;2013年

3 赵贤威;云环境下顾及空间子域分布特征的空间大数据并行计算方法研究[D];浙江大学;2017年

4 梁金刚;反应堆蒙卡程序RMC大规模计算数据并行方法研究[D];清华大学;2015年

5 张滨;基于MapReduce大数据并行处理的若干关键技术研究[D];东华大学;2017年

6 王攀;大规模数据并行可视化关键技术研究[D];国防科学技术大学;2013年

7 苏岩;面向基三体系结构的并行应用体系关键技术研究[D];北京理工大学;2016年

8 张静;SIFT算法的VLSI结构设计与实时实现[D];华中科技大学;2014年

9 赵明宇;集群系统的调度算法研究[D];哈尔滨工业大学;2007年

10 杨典华;协作式大规模地理栅格数据并行处理方法研究[D];首都师范大学;2014年

相关硕士学位论文 前10条

1 刘海平;基于GPU数据并行处理的血管内OCT成像研究[D];中国科学院大学(中国科学院深圳先进技术研究院);2019年

2 何马均;深度学习框架TensorFlow的高效分布式并行算法研究[D];电子科技大学;2019年

3 黄文强;深度学习框架Tensorflow的数据并行优化调度研究[D];电子科技大学;2019年

4 叶怡新;分布式RDF数据并行推理方法研究与实现[D];福州大学;2017年

5 赵满;地震数据并行访问策略的研究[D];东北石油大学;2013年

6 梁玲玲;数据并行交换的长事务分配与调度模型[D];长春理工大学;2011年

7 谷宇航;矢量地理空间数据并行拓扑算法设计与实现[D];解放军信息工程大学;2015年

8 王仲刚;基于云计算的海量高铁噪声数据并行处理方法研究[D];西南交通大学;2013年

9 杨帆;OpenProbe地震体数据并行渲染机制及实现[D];吉林大学;2015年

10 宋岸峰;实时数据并行压缩技术的研究[D];华中科技大学;2012年

本文编号：2837059