锥束CT FDK重建算法的GPU并行实现

计算机应用 ›› 2012, Vol. 32 ›› Issue (05): 1407-1410.

锥束CT FDK重建算法的GPU并行实现

韩玉,闫镔,宇超群,李磊,李建新

信息工程大学信息工程学院,郑州450002

收稿日期:2011-11-21 修回日期:2011-12-30 发布日期:2012-05-01 出版日期:2012-05-01
通讯作者: 韩玉
作者简介:韩玉（1987-），男，河北新乐人，硕士研究生，主要研究方向：CT重建、并行计算；闫镔（1976-），男，河南内黄人，副教授，主要研究方向：三维成像、图像处理；李磊（1981-），男，河北邢台人，博士，主要研究方向：三维成像、CT算法；李建新（1954-），男，浙江杭州人，教授，主要研究方向：无损检测技术与自动化装置。
基金资助:
国家863计划项目（2009AA012201）

GPU-based parallel implementation of FDK algorithm for cone-beam CT

HAN Yu,YAN Bin,YU Chao-qun,LI Lei,LI Jian-xin

Institute of Information Engineering, Information Engineering University, Zhengzhou Henan 450002, China

Received:2011-11-21 Revised:2011-12-30 Online:2012-05-01 Published:2012-05-01
Contact: HAN Yu

摘要/Abstract

摘要： 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。

关键词: 锥束CT, 图像重建, FDK算法, 图形处理器

Abstract: To improve the reconstruction speed of the FDK algorithm, this paper presented a fast algorithm based on the graphics processing unit (GPU). The method acquired higher computational efficiency through more careful optimization techniques, including reasonable mode of thread assigning, collecting and pre-computing the variables which were irrelevant with the voxel and the decreasing of number of global memory accesses. The simulation results show that while the fully optimized algorithm makes no precision reduction, the reconstruction time for 2563 is only 0.5 seconds and for 5123 is only 2.5 seconds, which is a big advance in comparison with the latest research findings.

Key words: Cone-Beam Computed Tomography (CBCT), image reconstruction, FDK algorithm, Graphics Processing Unit (GPU)

中图分类号:

TP302
TP315

韩玉闫镔宇超群李磊李建新. 锥束CT FDK重建算法的GPU并行实现[J]. 计算机应用, 2012, 32(05): 1407-1410.

HAN Yu YAN Bin YU Chao-qun LI Lei LI Jian-xin. GPU-based parallel implementation of FDK algorithm for cone-beam CT[J]. Journal of Computer Applications, 2012, 32(05): 1407-1410.

参考文献

［1］FELDKAMP A L, DAVIS L C，KRESS J W. Practical cone-beam algorithm ［J］. Journal of the Optical Society of America A: Optics, Image Science, and Vision，1984，1(6): 612-619.

［2］王贤刚, 郭志平, 彭亚辉. 用几何参数表实现快速三维重建CT图像［J］. 清华大学学报:自然科学版, 2002, 42(5): 655-658．

［3］张全红, 路宏年, 杨民. 锥束工业CT中feldkamp重建算法的快速实现［J］. 计算机工程与设计, 2006, 27(6): 931-933.

［4］毛海鹏, 张定华, 梁亮. 一种基于PC的快速三维图像重建方法［J］. 系统仿真学报, 2004, 16(11): 2486-2489.

［5］邹永宁，王珏，卢艳平．扇束工业CT图像重建算法的并行实现［J］．计算机工程与应用, 2007, 43(25): 218-220.

［6］KOWARSCHIK M. High-speed reconstruction for C-arm computed tomography［C］// Proceedings of the 9th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine.Lindau: HPIR, 2008: 25-28.

［7］KACHELRIEB M. Hyperfast parallel-beam backprojection ［J］. Nuclear Science Symposium Conference Record, 2006, 9(1): 3111-3114.

［8］KACHELRIEB M, KNAUP M. Hyperfast parallel-beam and cone-beam backprojection using the cell general Purpose hardware ［J］. Medical Physics, 2007, 34(4): 1474-1486.

［9］MUELLER K, XU,FANG， NEOPHYTOU N. Why do commodity graphics hardware boards(GPUS) work so well for acceleration of computed tomography ［C］// Proceedings of SPIE Electronic Imaging. San Jose: International Society for Optical Engineering， 2007, 6498: 1-12.

［10］张舒, 褚艳利, 赵开勇, 等. GPU高性能运算之CUDA ［M］. 北京: 中国水利水电出版社, 2009.

［11］SCHERL H, KECK B, KOWARSCHIL M, et al. Fast GPU-based CT reconstruction using the common unified device architecture ［C］// Nuclear Science Symposium, Honolulu. Washington, DC: IEEE Computer Society, 2007: 4464-4466.

［12］ZHENG Z, MUELLER K. Cache-aware GPU memory scheduling scheme for CT back-projection ［C］// IEEE Medicl Imaging Conference. Washington, DC: IEEE Computer Society, 2010: 2248-2251.

［13］PAPENHAUSEN E, ZHANG Z，MUELLER K. GPU-accelerated back-projection revisited: squeezing performance by careful tuning ［C］// International Meeting on Fully Three Dimensional Image Reconstruction in Radiology and Nuclear Medicine. Washington, DC: IEEE Computer Society, 2011: 19-22.

［14］孙毅刚, 孙修宇, 张红颖. 基于现代GPU的实时锥束重建算法研究［J］. 核电子学与探测技术, 2010, 30(9): 1260-1264.

［15］王珏, 曹思远, 邹永宁. 利用CUDA技术实现锥束CT图像快速重建［J］. 核电子学与探测技术, 2010, 30(3): 315-320.

［16］NOL P, WALCZAK J, XU J, et al. GPU-based cone beam computed tomography ［J］. Comprter Methods and Programs in Biomedicine, 2010, 98(3): 271-277.

［17］李忠华, 周付根, 白相志. 一种基于GPU的体积CT快速重建算法［J］. 生物医学工程学杂志, 2011, 28(2): 238-242.

［18］XIAO D Y, CHEN Y H, QIAN B B, et al. Cone-beam computed tomography reconstruction accelerated with CUDA ［C］// International Conference on Biomedical Engineering and Informatics. Washington, DC: IEEE Computer Society, 2011: 216-220.

[1]	解文博, 韦永壮, 刘争红. 基于CUDA的SKINNY加密算法并行实现与分析[J]. 计算机应用, 2021, 41(4): 1136-1141.
[2]	杨先凤, 贵红军, 傅春常. 统一计算设备架构下的F-X域预测滤波并行算法[J]. 计算机应用, 2021, 41(2): 486-491.
[3]	平凡, 汤小春, 潘彦宇, 李战怀. 不规则任务在图形处理器集群上的调度策略[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3295-3301.
[4]	席雅睿, 乔志伟, 温静, 张艳娇, 杨雯晶, 闫慧文. 基于Chambolle-Pock算法框架的高阶TV图像重建算法[J]. 计算机应用, 2020, 40(6): 1793-1798.
[5]	王治忠, 庞晨. 基于鸽视顶盖神经元动作电位的图像重建[J]. 计算机应用, 2020, 40(3): 832-836.
[6]	叶杨, 蔡琼, 杜晓标. 基于非局部通道注意力机制的单图像超分辨率方法[J]. 计算机应用, 2020, 40(12): 3618-3623.
[7]	杜年茂, 徐佳陈, 肖志勇. 基于卷积神经网络的欠采样脑部核磁共振图像重建方法[J]. 计算机应用, 2020, 40(10): 3060-3065.
[8]	王文杰, 乔志伟, 牛蕾, 席雅睿. 自适应步长非局部全变分约束迭代图像重建算法[J]. 计算机应用, 2020, 40(1): 245-251.
[9]	何希, 吴炎桃, 邸臻炜, 陈佳. 基于图形处理器的形态学重建系统[J]. 计算机应用, 2019, 39(7): 2008-2013.
[10]	杜凯敏, 康宝生. 基于图像块分类的图像超分辨率重建[J]. 计算机应用, 2019, 39(2): 577-581.
[11]	武旭晨, 朴春慧, 蒋学红. 基于GPU并行计算的电动出租车新建充电站选址模型[J]. 计算机应用, 2019, 39(10): 3071-3078.
[12]	刘晓晖, 路利军, 冯前进, 陈武凡. 基于Moreau-包络的近似平滑迭代磁共振图像重建算法[J]. 计算机应用, 2018, 38(7): 2076-2082.
[13]	陈晨, 赵建伟, 曹飞龙. 基于四通道卷积稀疏编码的图像超分辨率重建方法[J]. 计算机应用, 2018, 38(6): 1777-1783.
[14]	杨伟, 谢维成, 蒋文波, 石林玉. 基于自相似性车载采集城市街景图像的重建[J]. 计算机应用, 2017, 37(3): 817-822.
[15]	周尚波, 王李平, 尹学辉. 分数阶偏微分方程在图像处理中的应用[J]. 计算机应用, 2017, 37(2): 546-552.