GPU并行計算在醫(yī)學圖像處理中的應用研究.pdf

1、在現代的臨床診斷和醫(yī)學研究中,醫(yī)學圖像處理與分析技術占有重要地位,主要研究內容包括圖像增強技術、圖像分割技術、圖像配準技術、三維重建等方面。醫(yī)學圖像數據量大,處理算法復雜,CPU(Central Processing Unit)處理速度不能滿足實際應用中的需求,因此如何準確而且快速地處理海量圖像數據成為亟待解決的技術問題。GPU(Graphics Processing Unit)作為一種高度并行的流處理器,具有更強的浮點計算能力。隨著

2、GPU通用計算的普及和CUDA(Compute Unified Device Architecture)的推出,GPU不再局限于傳統(tǒng)的圖像渲染任務,在通用計算方面也發(fā)揮著越來越重要的作用。采用CPU和GPU異構編程方式能發(fā)揮GPU高強度的計算能力,提高醫(yī)學圖像處理的執(zhí)行速度
　　本文在國內外醫(yī)學圖像增強的方法和醫(yī)學圖像分割中邊緣檢測算法的基礎上,對圖像增強、圖像分割中若干算法進行了并行加速。首先,對耗時的三維醫(yī)學圖像同質濾波算法進

3、行數據并行性分析,優(yōu)化存儲器訪問,使用接口文件將實驗結果與Matlab實現進行誤差比較,在保證數據精確性的情況下實現了三維醫(yī)學圖像濾波的高倍加速。其次,在圖像分割算法中,著重實現了Canny算子的并行加速。對Canny算子進行數據并行性分析,針對每一步驟都選擇合適的并行優(yōu)化策略,最大限度地實現了程序總體的加速。最后,使用compute profiler等分析工具進一步對并行程序進行優(yōu)化,通過分析工具提示的潛在優(yōu)化方向,合理分配GPU資源