基于GPU加速的醫(yī)學(xué)圖像融合研究.pdf

1、不同成像設(shè)備因其成像原理不同，所成圖像也會(huì)各具特色。將多幅不同類(lèi)型的醫(yī)學(xué)圖像進(jìn)行融合處理，可使各圖像優(yōu)勢(shì)得到相互補(bǔ)充，圖像信息得到全面利用，為臨床診療提供更加完善、全面、豐富的醫(yī)學(xué)圖像。
　　無(wú)論是在醫(yī)學(xué)研究還是臨床應(yīng)用方面，醫(yī)學(xué)圖像處理技術(shù)發(fā)揮的效力和影響力都越來(lái)越大，這也促使我們對(duì)CT和MRI圖像融合的速度要求越來(lái)越高，迫使我們尋求具有更好性能的硬件設(shè)備去進(jìn)行圖像融合?；诖?，論文將通過(guò)對(duì)計(jì)算機(jī)圖形處理器(GraphicsPr

2、ocessingUnit，GPU)編程技術(shù)的學(xué)習(xí)，選用當(dāng)前最為流行的GPU開(kāi)發(fā)平臺(tái)——CUDA(ComputerUnifiedDeviceArchitecture統(tǒng)一計(jì)算設(shè)備架構(gòu))，利用它超強(qiáng)的并行計(jì)算特性，提升融合速率，以期待通過(guò)使用該技術(shù)，滿足臨床醫(yī)學(xué)診療對(duì)醫(yī)學(xué)圖像融合在實(shí)時(shí)性與可靠性上的要求。
　　論文圍繞以下幾個(gè)方面展開(kāi)了研究工作：
　　1.介紹了GPU的發(fā)展歷史和計(jì)算優(yōu)勢(shì)，以及相關(guān)的、需要掌握的CUDA體系結(jié)構(gòu)、編

3、程模型、存儲(chǔ)器模型以及CUDA程序的開(kāi)發(fā)環(huán)境等基礎(chǔ)知識(shí)。
　　2.論文以CT和MRI圖像為例，介紹了基于CPU醫(yī)學(xué)圖像融合技術(shù)的相關(guān)知識(shí)，包括融合方法，融合效果評(píng)價(jià)指標(biāo)以及融合過(guò)程等；并在小波變換的基礎(chǔ)之上，提出一種新的融合算法，該算法能給醫(yī)學(xué)圖像融合帶來(lái)更好的效果。
　　3.對(duì)幾種典型的融合算法進(jìn)行比較，從中選出一個(gè)最適合用于在CUDA平臺(tái)上進(jìn)行并行運(yùn)算的方法——小波變換法；對(duì)模板卷積進(jìn)行介紹，分析Mallat算法的可并行

4、性；在CUDA平臺(tái)下對(duì)模板卷積、Mallat算法、以及CT和MRI圖像的融合進(jìn)行設(shè)計(jì)實(shí)現(xiàn)。
　　4.將GPU并行加速執(zhí)行下的圖像融合與在CPU上傳統(tǒng)串行執(zhí)行的圖像融合進(jìn)行運(yùn)算效率比較，以此驗(yàn)證基于GPU醫(yī)學(xué)圖像融合的加速效果；并對(duì)實(shí)驗(yàn)結(jié)果加以分析，總結(jié)了加速比的發(fā)展趨勢(shì)及成因。
　　論文在傳統(tǒng)圖像融合的基礎(chǔ)上，結(jié)合CT和MRI圖像的特點(diǎn)，提出了CT和MRI圖像的融合新算法，在一定程度上具有創(chuàng)新性；論文將CUDA運(yùn)用在醫(yī)學(xué)圖像