锥束CT重建算法的加速研究

论文摘要

CT重建算法是CT系统的核心部分之一,CT重建算法的速度直接决定了CT的实际应用价值。随着第三代锥束CT扫描系统的广泛应用,找到合适的方案提高锥束CT重建算法计算效率的研究就具有重要的学术价值和应用研究价值。锥束CT重建算法主要分为两类：迭代法和解析法。迭代法中以代数重建法(Algebraic Reconstruction Techniques, ART)最具代表性,解析法中由Feldkamp、David和Kress提出的FDK算法应用最为广泛。无论解析法还是迭代法,其中的投影运算,解析法仅包含反投影,迭代法同时包含正投影和反投影,都是最耗时的运算部分。因此针对锥束CT重建算法的加速研究关键是提高投影过程的计算速度。本文主要做了三个方面的研究,一是基于光线投射算法的CT正投影算法研究,二是基于Cg语言利用GPU加速FDK算法研究,三是基于Intel SIMD指令集的快速ART算法研究。在基于光线投射算法的CT正投影算法研究方面,本文通过分析光线投射过程与CT正投影过程的相似性,将光线投射算法的思想应用到CT正投影计算中,提出一种基于光线投射算法的圆轨迹锥束扫描模式下CT正投影算法,并结合CUDA(Compute Unified Device Architecture,统一计算设备架构)技术,实现了GPU (Graphics Processing Unit,图形处理器)加速正投影计算。通过与传统的正投影算法相比,本文算法在投影图像质量上有一定的提高,更重要的是大大提高了模拟投影数据的计算效率。在基于Cg语言利用GPU加速FDK算法的研究方面,本文通过分析FDK算法中的反投影过程与计算机图像学中透视纹理映射过程的相似关系,将FDK算法中最耗时的反投影计算通过GPU硬件加速,达到提高FDK算法计算效率的目的。本文最后在计算机上实现了基于Cg语言利用GPU加速锥束FDK算法。与传统基于CPU纯软件实现的FDK算法相比,通过GPU加速后的FDK算法在重建断层图像质量上有所提高,在计算效率方面,加速比在10倍以上。在基于Intel SIMD指令集的快速ART算法的研究方面,Intel SIMD技术是Intel公司针对多媒体软件中大量的数据计算而开发的,它是在Intel架构下利用CPU进行并行运算的有利工具。本文将这个技术应用到ART算法的实现中,实验结果表明在图像重建精度与传统ART算法实现一致的前提下,ART的运算时间大大缩短。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 CT重建算法加速的课题背景及研究意义
• 1.2 锥束CT重建算法加速的研究现状
• 1.3 本文的主要工作和章节安排
• 2 基于光线投射算法的CT正投影算法研究
• 2.1 GPU通用计算介绍
• 2.1.1 图形处理器的发展
• 2.1.2 GPU通用计算模型
• 2.1.3 GPU通用计算的优缺点
• 2.2 光线投射算法原理及GPU加速实现
• 2.2.1 光线投射算法原理
• 2.2.2 CUDA架构简介
• 2.2.3 基于CUDA架构利用GPU加速光线投射算法简介
• 2.3 CT正投影算法原理
• 2.4 基于CUDA架构利用GPU加速CT正投影算法实现
• 2.5 实验结果及分析
• 3 基于Cg语言利用GPU加速锥束FDK算法研究
• 3.1 锥束FDK算法原理
• 3.1.1 反投影算法基本原理
• 3.1.2 滤波反投影算法基本原理
• 3.1.3 锥束FDK重建算法
• 3.2 基于Cg语言利用GPU加速锥束FDK算法实现
• 3.2.1 基于Cg语言利用GPU加速的开发环境
• 3.2.2 FDK算法分析及加速实现流程
• 3.3 实验结果及分析
• 4 基于Intel SIMD指令集的快速ART算法研究
• 4.1 ART算法原理
• 4.2 SIMD技术简介
• 4.2.1 VC环境下使用SIMD指令集
• 4.2.2 提速实例
• 4.3 基于Intel SIMD指令集的快速ART算法实现
• 4.4 实验结果及分析
• 5 总结与展望
• 5.1 加速方法对比及分析
• 5.2 存在的问题及展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢