基于Spark的CT图像FBP重建算法程序并行设计

将常用于CT图像重建的滤波反投影算法程序设计成能够运行在大数据框架Spark中的并行模式,以此来提高计算效率并实现批量图像的重建,缩短图像重建时间。基于分布式计算框架Spark,利用其图像处理工具Thunder,将滤波反投影算法在图像重建过程中设计成并行程序模式,实现图像的片间并行重建。实验结果表明,随着Spark集群规模的不断扩大,在确保重建图像质量的前提下,重建一定数量的CT图像相比单机模式下时间显著缩短,并行滤波反投影算法具有完全加速比,并行效率趋近于1。基于Spark集群实现的滤波反投影算法能够显著提升CT图像重建速度,并实现大量图像并行重建,可扩展其他的CT图像重建算法,对远程医学图像重建平台的建设具有重要参考意义。     

工业CT窄角扇束卷积反投影图像重建

高能X射线工业CT机的图像重建属窄角扇束扫描方式下的图像重建.文中提出并讨论了基于卷积反投影图像重建算法的窄角扇束扫描方式下的图像重建,并针对窄角扇束扫描方式下的两种不同步距的同步平移方式,给出不同的卷积反投影图像重建算法,对高能X射线工业CT机的图像重建有指导作用.     

CT图像重建滤波反投影算法中指数滤波器的研究

CT技术的核心是图像重建,而图像重建的决定因素是重建算法,其优劣直接影响对重建结果准确性的判断。CT图像重建算法可以分为迭代法和解析法两大类,其中解析法具有比较严密的数学理论基础,且处理速度快,所以在CT技术领域得到广泛应用。在解析重建算法中,滤波反投影算法拥有较高的运算效率,能获得较好的图像重建质量,而且滤波反投影算法的成本低,易于通过并行实现,便于进一步提高其重建速度,所以该算法为解析法中的主流算法。根据滤波反投影算法的实现原理,其中滤波函数的选取对重建结果、重建速度等方面有着举足轻重的作用。针对滤波函数的选择进行研究,首先在分析常用R-L和S-L滤波函数的基础上,引入指数滤波函数的研究,并借助调整指数参数的取值,分析了该函数在无噪声和有噪声情况下对图像重建的影响。通过实验仿真的方法,验证了指数滤波函数在保证较好的空间分辨率的情况下,保持了良好的图像重建特性。     

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。     

工业CT窄角扇束卷积反投影图像重建

高能X射线工业CT机的图像重建属窄角扇束扫描方式下的图像重建。文中提出并讨论了基于卷积反投影图像重建算法的窄角扇束扫描方式下的图像重建，并针对窄角扇束扫描方式下的两种不同步距的同步平移方式，给出不同的卷积反投影图像重建算法，对高能X射线工业CT机的图像重建有指导作用。     

扇束工业CT滤波反投影重构算法的快速实现

扇束工业CT一般采用滤波反投影算法进行CT图像重构,其计算复杂度为O（N3）,如果不进行优化,这种算法的计算速度很难达到工业构件检测的要求,利用正、余弦函数的性质,提出了针对扇束滤波反投影重构算法的一种优化方法,分析表明,这种优化方法理论上可以使运算速度提高3倍,计算机模拟和实验显示,在实际实现中,同时采用这种方法与几何参数表方法可以使重构速度提高6倍以上。     

基于改进图像重建算法的工业CT系统

目前工业CT扫描只能得到某一断面上的二维信息,不能得到被检测物的整体描述,人们希望获得具有高真实感的三维图像;Smith和Grangeat分别提出了三维投影重建算法,H.Kudo在对两种算法分别进行研究的基础上,提出了Smith-Grangeat方法,同时继承了两种算法的优点,但存在图像明显失真和衰减问题;通过对Smith-Grangeat方法进行改进,使图像失真减小;仿真结果验证了算法的有效性和工程实用性.     

三维锥束重建中滤波器的设计

设计了几种用于CT三维锥束图像重建的滤波器,并将其对图像质量的影响进行了分析。CT是一种先进的成像技术,现已被应用于多个领域。CT图像重建算法多采用滤波反投影法,滤波是此方法的核心部分。本文介绍了三维锥束近似重建的基本原理,分析并设计了几种用于CT锥束图像重建的滤波器,并且通过投影数据的图像重建结果分析了不同滤波函数对断层图像重建质量的影响。实验结果证明：所设计的几种滤波器能较好的满足实际图像重建的要求。     

ART图像重建算法在ICT窄角扇束中的研究

对ICT(Industrial Computed Tomography,ICT)窄角扇束扫描方式下的迭代图像重建(Image Reconstruction)算法进行了研究,提出了新的代数迭代重建算法(Algorithm Reconstruction Technique,ART),该算法改进了已有的迭代过程,加入了新的迭代参数,通过改变迭代进程和调整收敛因子来提高图像的质量.作者在计算机上成功地实现了从数据采集仿真到图像重建的全过程,证明了ART算法可以有效地提高重建图像的质量.     

BPF 重建算法的 CUDA 并行实现

反投影滤波(Backprojection-Filter,BPF)算法凭借其可实现感兴趣区域重建的优点,近年来逐渐被应用到锥束CT中。但是,由于算法的复杂性,实践中存在耗时问题,同时其GPU加速的实现亦存在显存不足等问题。因此,文章提出了一种基于CUDA的BPF并行加速算法。通过设计高效的算法框架,在保留其重建精度的前提下,有效地减少所需显存。此外,总结了正投影算法及BPF算法中采用的加速策略,如利用算法特征加速等,并引入显存池的概念优化算法架构。仿真实验结果表明,在精确重建的前提下,采用新框架重建512×512×512数据只需8.055 s,感兴趣区域重建只需4.566 s,只需1.523 s便可输出第一部分数据,且能把显存占用从2.5 GB减少到100 MB以下,适用于大数据重建。     

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。     

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。     

高精度CT图像重建的并行运算实现

为解决超大图像(2048×2048)的FBP与OR-OSEM扇束图像重建,作者采用PC机群的并行处理技术。将图像重建算法改写为并行运算方式,按角度数均匀地分配计算任务给各个CPU。并行运算结果表明:图像重建速度与CPU的个数基本上成线性正比关系,可提高近25倍(CPU数为25时)。超大图像的在线重建可采用CPU阵列机来高速实现,这一技术对发展高精度CT具有重要的作用。     

基于离散剪切波正则化的低剂量CT图像统计重建算法

提出一种低剂量医学CT图像重建方法,能够在少视角投影或低X-射线管电流投影的情况下保证重建图像的质量。减少扫描视角的数量或者降低X-射线管电流强度均可以降低辐射剂量,从而减少X射线对人体伤害,但是前者会造成扫描数据欠完备,后者会使投影数据信噪比指数下降,传统算法不能保证重建图像满足诊断要求。提出一种离散剪切波变换正则化的低剂量CT图像统计迭代重建算法,在数据保真项加入符合数据统计特性的系数加权,以降低噪声对重建结果的影响,并将待建图像在剪切波域可以稀疏表示作为先验信息,利用增广拉格朗日方法将此先验信息作为正则化项加入目标函数,缩小了解空间,使不完备投影数据获得稳定而准确的重建。实验数据表明,重建图像在投影数据远远不满足完备性条件,或投影数据信噪比急剧下降的情况下,本算法能够重建出高质量图像。在辐射剂量降低到滤波反投影FBP算法的10%甚至更低时仍然能够得到清晰保留结构细节的重建图像。     

工业CT图像管道拟合

研究了工业CT图像序列中工件内部管道的拟合方法。在利用Facet模型提取管道边缘的基础上,将三维圆柱面、椭圆柱面管道的拟合转化为中心轴截面上的二维轮廓曲线圆、椭圆的拟合,与传统的三维曲面拟合相比,效率更高。通过对实际的发动机工业CT图像进行实验,结果表明该方法可以较准确地获取工件内部管道的几何参数,为基于工业CT的逆向工程打下基础。     

探测器倾斜的锥束FDK修正重建算法

在锥束工业CT系统中,通常要求射线源焦点、物体旋转中心、平板探测器中心三点在一条直线上,与平板探测器垂直。由于机械的定位误差,探测器定位后会出现一定角度的倾斜现象,如果直接利用平板探测器倾斜后采集的投影数据进行重建,重建结果将会出现偏离,产生伪影。针对该问题,利用系统标定的方法测得探测器倾斜角度,利用机械校正对其进行粗调,利用提出的基于探测器倾斜的FDK修正算法进行微调,经过两次校正可以有效抑制由于平板探测器倾斜造成的伪影,通过实验验证了该方法的可行性。     

医学图像融合的并行实现

基于小波变换的并行医学图像融合方法有良好的效果且能进行快速实时融合。在介绍双正交小波变换图像融合方法的基础上分析了该方法的时间复杂度,提出了基于小波变换的多模图像融合的并行算法,并在配置了并行机群环境下实现了单幅和序列医学图像的并行融合,针对不同大小结果图像和不同机群规模进行测试,对并行效率的分析证实了该并行融合方法具有较好的并行性能和可扩展性。     

基于Kalman滤波的ECT图像重建算法

由于测量环境等因素的影响,实测数据往往带有噪声。为此,应用Kalman滤波算法进行电容层析成像（ ECT）系统图像重建,在归一化电容值中加入不同程度的噪声信号,利用噪声的统计特性进行测量值滤波,最终得到图像灰度值。在三种流型下与Landweber迭代算法进行了仿真比较,并在ECT实验装置上进行了静态实验。仿真与实验结果表明：Kalman滤波去噪效果优于Landweber迭代算法。     

基于GPU异构平台的实时CT图像重建系统的研究

摘要：针对采用单CPU CT图像重建时间长,采用CPU集群重建成本及能耗高的问题,本文提出了CPU多线程+GPU的异构重建模型。这种模型采用CPU多线程流水线模式,将整个任务分解为若干个处理阶段,相邻的两个阶段之间以循环缓存连接,上一阶段完成一次计算任务后将数据放到循环缓存里,然后继续下一次的计算任务,下一阶段探测到循环缓存里有数据后,从缓存里取出数据开始计算。各个任务是并行处理任务的,针对某一耗时瓶颈模块再采用GPU并行加速,充分发挥CPU和GPU的计算资源。CPU多线程+GPU模型相对于CPU多线程模型加速16.45倍,相对于串行CT图像重建加速20.5倍以上。将CPU多线程+GPU模型重建的图像与CPU串行程序重建的CT图像比较,数据结果在误差范围内,满足实验设计要求。本文提出的图像重建模型采用成本较低的GPU显卡就实现了性能大幅提升,大大降低了CT图像重建系统的成本及功耗,而成本及功耗的降低会引起CT医疗诊断费用的降低,最终惠及广大病患。     

工业CT图像自适应三维裂纹面分割*

在图像分割方法中,CV模型可以得到较好的分割结果,但是模型的收敛速度慢.在三维CV模型检测工件裂纹面的过程中,由于三维CT图像数据量比较庞大且三维CV模型本身分割速度慢,使得检测时间比较长.对于这一问题,研究了一种自适应预处理算法.该算法先对体数据进行三个方向投影,再对投影图利用迭代求最佳阈值的阈值分割方法和自适应矩形框来定位缺陷的大致区域.该方法能够自动适应裂纹面形状变化,同时大幅度减少了需要三维CV模型分割的数据量,可以非常明显地提高分割的速度.实验结果表明利用该预处理算法,三维CV模型的分割裂纹面的速度提高了近8倍.