基于GPU加速的醫(yī)學圖像融合研究.pdf

1、不同成像設備因其成像原理不同，所成圖像也會各具特色。將多幅不同類型的醫(yī)學圖像進行融合處理，可使各圖像優(yōu)勢得到相互補充，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)學圖像。
　　無論是在醫(yī)學研究還是臨床應用方面，醫(yī)學圖像處理技術(shù)發(fā)揮的效力和影響力都越來越大，這也促使我們對CT和MRI圖像融合的速度要求越來越高，迫使我們尋求具有更好性能的硬件設備去進行圖像融合。基于此，論文將通過對計算機圖形處理器(GraphicsPr

2、ocessingUnit，GPU)編程技術(shù)的學習，選用當前最為流行的GPU開發(fā)平臺——CUDA(ComputerUnifiedDeviceArchitecture統(tǒng)一計算設備架構(gòu))，利用它超強的并行計算特性，提升融合速率，以期待通過使用該技術(shù)，滿足臨床醫(yī)學診療對醫(yī)學圖像融合在實時性與可靠性上的要求。
　　論文圍繞以下幾個方面展開了研究工作：
　　1.介紹了GPU的發(fā)展歷史和計算優(yōu)勢，以及相關的、需要掌握的CUDA體系結(jié)構(gòu)、編

3、程模型、存儲器模型以及CUDA程序的開發(fā)環(huán)境等基礎知識。
　　2.論文以CT和MRI圖像為例，介紹了基于CPU醫(yī)學圖像融合技術(shù)的相關知識，包括融合方法，融合效果評價指標以及融合過程等；并在小波變換的基礎之上，提出一種新的融合算法，該算法能給醫(yī)學圖像融合帶來更好的效果。
　　3.對幾種典型的融合算法進行比較，從中選出一個最適合用于在CUDA平臺上進行并行運算的方法——小波變換法；對模板卷積進行介紹，分析Mallat算法的可并行

4、性；在CUDA平臺下對模板卷積、Mallat算法、以及CT和MRI圖像的融合進行設計實現(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)行的圖像融合進行運算效率比較，以此驗證基于GPU醫(yī)學圖像融合的加速效果；并對實驗結(jié)果加以分析，總結(jié)了加速比的發(fā)展趨勢及成因。
　　論文在傳統(tǒng)圖像融合的基礎上，結(jié)合CT和MRI圖像的特點，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運用在醫(yī)學圖像