基于GPU的体绘制算法和Tomosynthesis投影数据模拟研究

基于GPU的体绘制算法和Tomosynthesis投影数据模拟研究

论文摘要

随着CT、MRI、US等医学影像技术在临床中广泛应用,产生了大量医学图像数据。临床诊断参考病灶区域二维切片,要求医生具有丰富临床经验。三维可视化技术能够以二维切片序列为基础绘制出观察对象的三维立体图像,为医生临床诊断提供更丰富准确的参考信息,具有重要的实际应用价值。常用可视化方法有面绘制和体绘制,前者可显示感兴趣组织表面结构,绘制速度快但无法显示丰富内部结构,后者可绘制出物体轮廓及内部的全部信息,成像质量高但绘制速度慢。由于计算量大,基于CPU实现的体绘制无法实时绘制,影响了该技术的应用推广。近年GPU迅速发展,基于GPU加速体绘制的算法成为研究热点。本文研究了体绘制常用算法中的Raycasting算法和3D纹理映射算法,实现了基于GPU的Raycasting算法和3D纹理映射算法,在普通PC机上可对中小规模数据集进行实时绘制。另外本文使用GPU支持的CUDA平台实现了Raycasting算法,获得较好的重建效果。体绘制中使用包围盒方便计算穿过体数据场的光线参数,紧身包围盒可以跳过大量无效体素达到加速效果。本文提出了一种基于back-step的紧身包围盒加速的Raycasting算法,该方法可快速搜索紧身包围盒边界实现加速,无需体数据预处理和额外存储空间,且不影响最终绘制图像质量。在CUDA架构下,本文实现了Raycasting算法基于back-step紧身包围盒的加速算法,获得了较好的加速效果。传递函数将体数据灰度值映射为颜色和不透明度,来突出显示特定的组织结构。本文提出了基于成像平面不同位置设置不同传递函数的方法,通过对成像平面不同位置设置不同传递函数,可一次绘制出不同组织结构而方便对比观察。但仅据成像平面坐标信息设置不同传递函数无法充分显示体数据信息,本文实现了基于物体空间内不同空间位置设置不同传递函数的方法,对物体空间内感兴趣的区域设定不同传递函数方案进行突出显示,旋转或缩放绘制对象能以任意角度和大小观察感兴趣区域结构。此外,本文实现了体绘制结果的快速体切割,方便观察被遮挡位置或指定区域的组织结构信息。Tomosynthesis利用有限角度数据重建出物体任意断层图像。投影数据模拟是算法研究的基础步骤,利用Raycasting算法和Tomosynthesis投影过程的几何关系相似性,本文将GPU加速体绘制算法的技术应用到Tomosynthesis投影模拟过程中。与CPU实现的传统模拟方法比较,本文提出的基于GPU的Tomosynthesis投影模拟方法可以快速获得高精度的投影图像。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 课题研究背景和意义
  • 1.2 可视化技术国内外研究现状
  • 1.2.1 体绘制算法概述
  • 1.2.2 基于GPU实现的体绘制发展现状
  • 1.3 本论文主要内容及论文结构
  • 2 基于GPU的体绘制算法
  • 2.1 3D纹理映射算法
  • 2.2 Raycasting算法
  • 2.2.1 Cg语言实现Raycasting算法
  • 2.2.2 CUDA平台实现Raycasting算法
  • 2.3 体绘制算法性能比较
  • 3 基于back-step的紧身包围盒加速Raycasting算法
  • 3.1 空间跳跃加速原理
  • 3.2 基于back-step的紧身包围盒加速Raycasting算法
  • 3.3 结果与分析
  • 4 基于空间位置的传递函数设计方法和快速体切割的实现
  • 4.1 成像平面内不同位置设置不同的传递函数
  • 4.2 物体空间内不同区域设置不同的传递函数
  • 4.3 基于物体空间坐标位置的快速体切割
  • 5 基于GPU的Tomosynthesis投影数据模拟
  • 5.1 基于CPU的Tomosynthesis投影数据模拟
  • 5.2 基于GPU光线投射算法的Tomosynthesis投影模拟
  • 5.3 投影模拟结果与分析
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    • [1].GPU架构的航拍舰船图像拼接算法[J]. 舰船科学技术 2020(06)
    • [2].数字信号相似度方法研究及GPU并行加速[J]. 贵州师范大学学报(自然科学版) 2020(03)
    • [3].基于GPU平台和多源遥感的月度草畜平衡快速评价方法研究[J]. 科技促进发展 2020(Z1)
    • [4].GPU优化的大规模线性方程组并行求解的研究与比较[J]. 信息通信 2016(12)
    • [5].GPU支持的低延迟引力波数据处理[J]. 中国科学:物理学 力学 天文学 2017(01)
    • [6].片上网络良率评估的GPU加速[J]. 浙江大学学报(工学版) 2017(01)
    • [7].基于GPU的图像处理并行算法分析[J]. 中小企业管理与科技(上旬刊) 2017(03)
    • [8].GPU协处理视频编码的服务平台设计[J]. 电脑知识与技术 2016(28)
    • [9].基于GPU的图像处理计算方法分析[J]. 科技风 2017(03)
    • [10].基于GPU的脉冲压缩并行化研究[J]. 航空计算技术 2017(02)
    • [11].基于GPU的图像增强实验设计与实现[J]. 实验技术与管理 2017(05)
    • [12].基于GPU的数字信道化设计[J]. 数字技术与应用 2017(06)
    • [13].基于GPU加速的电力系统静态安全分析研究[J]. 机电信息 2017(27)
    • [14].GPU并行计算分析[J]. 数字通信世界 2017(09)
    • [15].基于双线性插值的图像缩放在GPU上的实现[J]. 微电子学与计算机 2016(11)
    • [16].GPU并行加速的多步逆时偏移在东濮前梨园地区的应用[J]. 物探与化探 2015(01)
    • [17].基于GPU的视频编辑特效技术研究与实现[J]. 科技资讯 2015(12)
    • [18].基于GPU的异构计算技术在超级计算领域的现状及发展展望[J]. 电脑迷 2017(08)
    • [19].瑞士研究人员利用GPU加速的超级计算机模拟宇宙[J]. 中国教育网络 2017(08)
    • [20].一种基于GPU的逆时偏移并行算法[J]. 计算机应用与软件 2013(10)
    • [21].基于GPU并行加速的逆时偏移成像方法[J]. 石油地球物理勘探 2013(05)
    • [22].一种基于GPU的主机接口设计与验证[J]. 航空计算技术 2020(06)
    • [23].局部地形改正快速计算的GPU并行的棱柱法[J]. 测绘学报 2020(11)
    • [24].高性能GPU模拟器的实现[J]. 高技术通讯 2020(06)
    • [25].基于GPU的天基预警雷达信号自适应检测仿真[J]. 计算机仿真 2020(06)
    • [26].未来的汽车需要什么样的GPU?[J]. 单片机与嵌入式系统应用 2018(03)
    • [27].未来的汽车需要什么样的GPU?[J]. 中国集成电路 2018(07)
    • [28].基于GPU的视频序列中运动目标轮廓提取[J]. 电子测量技术 2016(11)
    • [29].基于GPU加速的包络波形反演[J]. 物探化探计算技术 2017(02)
    • [30].基于GPU的高质量隐式曲面四边形化[J]. 计算机辅助设计与图形学学报 2016(04)

    标签:;  ;  ;  

    基于GPU的体绘制算法和Tomosynthesis投影数据模拟研究
    下载Doc文档

    猜你喜欢