GPU加速的圆弧轨迹Katsevich锥束CT重建算法

通过改进GPU的渲染到纹理策略加速锥束反投影计算,提高了圆弧轨迹Katsevich锥束CT重建算法的执行效率.在CPU中完成投影数据的滤波处理,并将其重排为四通道浮点纹理载人GPU内存;绑定2个浮点输出纹理到帧缓冲对象的不同绑定点,用于将渲染结果输出到纹理,并同时完成反投影数据的累加计算;将矩形网格编码为四叉树结构用于加速物体切片的绘制.实验结果表明,文中算法在较大锥角时仍能重建出高质量图像,并获得接近于实时的重建速度.     

锥形束CT图像体绘制的异构计算研究

通过使用GPU异构计算技术,对锥形束医学断层扫描成像(CT)数据通过基于互信息的图像配准和圆弧轨迹Katsevich反投影重建,以形象化的体绘制方式实时显示三维影像。提出了锥形束CT医学领域应用的解决方案,表明了锥形束CT图像实时三维绘制的可行性和GPU异构计算相比CPU在该领域的优势。     

基于CUDA的图形处理器加速锥束CT重建算法的研究

锥束CT图像重建数据量巨大、运算复杂度高,重建时间长,难以满足实际应用的需求。研究基于CUDA的图形处理器加速锥束CT重建算法的方案,通过有效的并行策略来提高滤波和反投影过程的时间,并利用常数存储器和纹理存储器来提高数据访存效率。实验证明在保证重建质量的情况下,重建速度可以提高82倍。     

锥束CT的FDK算法与CUDA实现

计算机层析成像技术,在医学和工业等诸多领域中有着广泛应用。在三维锥束CT图像重建算法中,基于圆形轨道和二维平板探测器的FDK算法最为著名。传统CPU上实现的FDK算法,计算复杂性主要集中在所谓的反投影阶段,占据了整个重建时间的99%。给出了基于CUDA统一计算架构的FDK算法的GPU实现,对于整个重建过程获得了超过百倍的加速。     

扇束CT极坐标反投影重建算法的对称优化

为了提高扇束滤波反投影(FBP)算法重建图像的速度,提出一种极坐标反投影算法的优化快速重建方法。算法利用三角函数对称性对多幅预处理后的投影数据同时进行极坐标反投影运算;在反投影数据坐标转换时运用像素位置参数的对称性,以减少双线性插值的计算量。实验结果表明,在不牺牲重建图像质量前提下,与传统卷积反投影重建算法相比,优化算法的重建速度提高8倍以上。该优化方法也适应于三维锥束重建,并可推广到多层螺旋三维重建。     

基于Tesla平台的快速反投影运算

反投影运算是锥束CT图像重建算法中运算量最大,最耗时的部分,是制约重建速度的瓶颈。为此,在计算统一设备架构模型下,应用体素驱动法实现基于Tesla平台的反投影(BP)并行运算,并对BP运算上的访存和数学指令进行优化。实际CT数据的重建结果表明,该方法的运算速度是CPU串行程序的198倍,效率高且易于实现。     

锥束CT的图像分块OSEM重建算法

在计算机断层成像(CT)中,有序子集最大期望值算法(OSEM)能够在较短的时间内重建出高质量的图像。对含有噪声的投影数据,投影旋转分度子集划分的不同会影响到图像的重建质量和收敛速度。针对三维锥束CT情况,研究了一种基于图像分块的变子集OSEM重建方法,该方法将图像空间分割成等大小的图像块,然后在迭代过程中,对于不同的图像块用变化的子集进行图像重建。计算机仿真实验表明:该方法在锥束CT图像重建中,能够在抑制噪声的同时提高重建图像的收敛速度。     

锥束CT检测成像仿真系统的研究与实现

设计并实现一个用于CT专业教学和科研的锥束CT检测成像仿真系统.该仿真系统能够模拟对CT设备的控制,生成正投影数据,重建被测物体,并能对重建结果进行三维显示.该系统包括如下关键技术:按真实比例对CT设备建模,实现了锥束CT工作过程的可视化;用场景图方法组织CT场景,简化了场景图形的管理方式;采用GPU加速CT正投影、图像重建和体绘制算法,在一定程度上解决了锥束CT大数据量快速计算问题.实验结果表明,该系统具有较快的运行速度,可满足用户交互操作的需要.     

锥束工业CT中Feldkamp重建算法的快速实现

锥束工业CT常采用Feldkamp算法进行图像重建，其计算复杂度为O（N^4），在普通微机上重建异常耗时。为提高其重建速度，提出了一种利用对称性并结合递归技术的方法来减少该算法的反投影运算量。在普通微机上检验了该方法的重建速度及重建质量。研究表明该方法可使重建速度提高约32倍，且不会引入新的重建误差，实现了在普通微机上的快速重建。     

CT 图像重建加速的几种方法

CT 图像重建速度是衡量CT 系统的重要指标之一。论文针对滤波反投影算法综述了当前国内外的重建加速技术,阐述了普通PC 上的加速方法,通过构建集群系统进行并行重建的方法,采用多个DSP 连接成并行计算模块的加速方法,基于现场可编程门阵列(FPGA)的并行重建方案,采用GPU 图像卡实现图像重建,采用细胞宽带引擎(CBE)的图像重建方案。在应用性能方面分析了各种加速方法的优缺点。     

一种基于可编程图形硬件的快速三维图像重建算法*

针对三维CT图像重建时间过长这一瓶颈问题,给出了FDK算法的几何描述,并据此导出了利用可编程图形硬件加速三维图像重建的方法,最后利用图形处理器的可编程、高精度以及并行计算等特性实现了该方法。实验结果表明,该三维图像重建方法非常有效,与原始算法相比取得了8倍左右的重建加速比。     

一种基于Grengeat公式的锥束CT重建算法研究

基于单圆轨迹的Feldkamp(FDK)重建算法只有在小锥角条件下才能取得较好重建效果。随着锥角增大,图像质量迅速下降。因此在实际应用中受到一定限制。在分析了物体Radon数据与单圆扫描获得的Radon数据间的关系后,结合空间可变滤波反投影重建算法(SV_FBP),提出了一种基于Grengeat公式的叠加算法。该重建算法由两部分重建结果叠加而成,第1部分结果首先采用FDK算法通过对单圆扫描的投影数据进行重建来获得;然后采用外推方法获得缺失的数据,并利用SV_FBP进行重建得到第2部分结果;最后将两部分结果进行叠加。实验结果表明,该算法不仅有效地抑制了FDK算法重建的伪影,而且使锥角的使用范围比FDK算法提高了3~4倍。这种新的叠加重建算法在大长物体的重建中,具有重要的理论和应用价值。     

基于GPU加速的锥束CT重建算法研究

锥束计算机断层扫描（Cone-Beam Computed Tomography，CBCT）具有采集速度快和空间分辨率高等特点，被生物医学等领域广泛关注。然而通过CPU串行处理CBCT重建中海量投影数据非常耗时，难以满足实时性的需求。GPU的发展为CBCT重建的并行加速提供了条件。根据三角函数周期性的特点对FDK算法进行了改进，并利用GPU实现了12幅投影数据同时并行计算。实验结果表明，相比于传统基于CPU的重建算法，基于GPU的CBCT重建算法在保证图像质量的前提下，将重建速度提高了超过310倍。     

扇束等距CT滤波反投影重建算法的研究

我们提出了一种快速的扇束等距CT滤波反投影重建算法.这种新算法是传统标准滤波反投影（FBP）重建算法的加速形式,主要通过减少投影数量然后重建子图象来实现.实验结果表明：对于一幅512x512图像,这种算法可以将重建过程加速40倍以上,并且不会引入明显的图像误差.     

基于GPU的LARED-P算法加速

GPU拥有几百GFlops甚至上TFlops的浮点计算能力,将GPU应用于粒子模拟,可有效提高大规模粒子模拟的速度,降低计算成本。本文利用GPU加速三维激光等离子体模拟算法LARED-P,提出了基于CPU+GPU的任务划分、GPU上任务分解、大规模计算核心的分解方法,结合使用了寄存器、纹理内存对算法进行加速。在双精度条件下,移植后的算法在工作频率为1.44GHz的NVIDIA Tesla S1070的单个GPU上获得了相当于主频2.4GHz的Intel(R)Core(TM)2 Quad CPU Q6600单核的6倍加速比。     

锥束CT FDK重建算法的GPU并行实现

针对FDK算法重建耗时长的问题,提出了一种基于图形处理器(GPU)的FDK并行加速算法。通过采用合理的线程分配方式,对反投影参数计算过程中与体素无关的中间变量的提取和预计算、对全局存储器访问次数的细致优化等策略,提高FDK算法的执行效率。仿真实验结果表明,在不牺牲重建质量的前提下,完全优化后的FDK并行加速算法重建2563规模的体数据需要0.5s,重建5123规模的体数据需要2.5s,这与较新的研究成果相比有很大幅度的提升。     

一种新的基于平面检测器的锥形束体积重建算法

由于锥形束体积重建算法具有较高的获取投影数据的速度、较大的 X射线利用率及能保持重建物体的空间和密度各向同性等方面的优点 ,因而引起了人们的广泛关注 .针对锥顶轨迹为单圆的锥形束体积重建问题 ,提出了一种基于平面检测器的 T- FDK算法 (简称 FT- FDK算法 ) .该算法首先将锥形束投影数据重排为倾斜平行投影数据 ,然后再经过加权滤波和反投影重建来得到待测物体的三维结构 .实验结果表明 ,该算法不仅与传统的 FDK算法有相同的计算复杂度 ,且重建图象的质量有了明显的提高 ,因而该算法在医学成像和无损探伤等领域具有重要的实用价值 .     

High-performance cone beam reconstruction using CUDA compatible GPUs

Compute unified device architecture (CUDA) is a software development platform that allows us to run C-like programs on the nVIDIA graphics processing unit (GPU). This paper presents an acceleration method for cone beam reconstruction using CUDA compatible GPUs. The proposed method accelerates the Feldkamp, Davis, and Kress (FDK) algorithm using three techniques: (1) off-chip memory access reduction for saving the memory bandwidth; (2) loop unrolling for hiding the memory latency; and (3) multithreading for exploiting multiple GPUs. We describe how these techniques can be incorporated into the reconstruction code. We also show an analytical model to understand the reconstruction performance on multi-GPU environments. Experimental results show that the proposed method runs at 83% of the theoretical memory bandwidth, achieving a throughput of 64.3 projections per second (pps) for reconstruction of 512³-voxel volume from 360 512²-pixel projections. This performance is 41% higher than the previous CUDA-based method and is 24 times faster than a CPU-based method optimized by vector intrinsics. Some detailed analyses are also presented to understand how effectively the acceleration techniques increase the reconstruction performance of a naive method. We also demonstrate out-of-core reconstruction for large-scale datasets, up to 1024³-voxel volume.     

More IMPATIENT: A gridding-accelerated Toeplitz-based strategy for non-Cartesian high-resolution 3D MRI on GPUs

Several recent methods have been proposed to obtain significant speed-ups in MRI image reconstruction by leveraging the computational power of GPUs. Previously, we implemented a GPU-based image reconstruction technique called the Illinois Massively Parallel Acquisition Toolkit for Image reconstruction with ENhanced Throughput in MRI (IMPATIENT MRI) for reconstructing data collected along arbitrary 3D trajectories. In this paper, we improve IMPATIENT by removing computational bottlenecks by using a gridding approach to accelerate the computation of various data structures needed by the previous routine. Further, we enhance the routine with capabilities for off-resonance correction and multi-sensor parallel imaging reconstruction. Through implementation of optimized gridding into our iterative reconstruction scheme, speed-ups of more than a factor of 200 are provided in the improved GPU implementation compared to the previous accelerated GPU code.     

基于 GPU 加速技术的 C 形臂 Cone Beam CT 三维 图像快速重建方法

平板探测器技术的发展使得锥形束计算机断层扫描技术(Cone Beam Computerized Tomography,CBCT)成为一种重要的成像技术,有着十分广泛的应用.基于C形臂的CBCT,除了具有CBCT的技术优势外,还特别适合在影像引导介入手术中应用.然而,如何在满足手术实时性要求的同时获得高分辨率高质量的三维断层图像,仍是个十分具有挑战性的课题.文章提出一种基于GPU加速技术的C形臂CBCT三维图像快速重建方法:在算法层面应用GPU并行加速技术对重建算法进行优化,在系统层面通过设计分布式系统和延迟隐藏机制,大大提升了由二维投影图像重建三维体数据的效率.在保持重建精度的前提下,优化后的GPU加速的FDK算法极大地提升了重建过程的计算效率.延迟隐藏机制进一步提升了系统的运行效率.在使用90帧投影时,系统效率提升了26%,重建延迟加速了2.1倍;当使用120帧投影时,系统效率提升39%,重建延迟加速达到3.3倍.