LBM的GPU算法及其在顱內動脈瘤血流動力學中的應用.pdf

1、顱內動脈瘤是一種常見的顱內兇險疾病，其破裂后產生的蛛網膜下腔出血具有極高的致殘率和致死率。支架置入術作為一種治療顱內動脈瘤的最新方法受到廣泛關注，該方法具有微創(chuàng)性、恢復快、療效好等優(yōu)點。但是，支架的治療效果受到動脈瘤形狀、支架結構等多種因素的影響，需要針對個體真實動脈瘤模型進行深入研究。對于此類問題，現(xiàn)有的臨床觀測、動物實驗和體外實驗等研究手段受到了很大的限制。另一方面，血流動力學被普遍認為是影響動脈瘤發(fā)生、生長、破裂及治療的主要因素之

2、一，因而利用數(shù)值模擬研究動脈瘤內血流動力學參數(shù)的變化是探討支架作用的極佳選擇。傳統(tǒng)數(shù)值方法在研究顱內動脈瘤血流動力學方面會受到血液流體特性、血管復雜幾何結構以及大規(guī)模計算量等諸多瓶頸的限制，因此需要發(fā)展高效的計算方法和先進的并行計算技術。
　　20世紀80年代后期發(fā)展起來的介觀格子Boltzmann方法（LBM）兼有微觀與宏觀模型的優(yōu)點，在模擬流體的相互作用和處理復雜邊界等方面有著傳統(tǒng)方法難以比擬的優(yōu)勢，特別適合用于研究顱內動脈瘤

3、內的血流流動。此外，LBM具有計算效率高且天然并行等優(yōu)點，特別適合利用先進的并行計算技術進行加速。與此同時，基于圖形處理器（GPU）的并行技術近幾年來獲得迅猛的發(fā)展。相比基于傳統(tǒng)CPU的應用，基于GPU的應用可獲得一到兩個數(shù)量級的加速效果。LBM的天然并行性使得其與GPU具有良好的匹配性，基于GPU的LBM可獲得較理想的加速效果。
　　但是，目前基于GPU的LBM研究還未夠深入，特別是對于血液流這種復雜流場內流動問題的LBM的實現(xiàn)

4、與優(yōu)化缺乏系統(tǒng)深入的討論。此外，基于LBM的顱內動脈瘤血流動力學相關研究中，未實現(xiàn)對置入支架的個體化真實動脈瘤的數(shù)值模擬。鑒于此，本文將首先進一步發(fā)展基于GPU的LBM，在此基礎上，展開基于醫(yī)學圖像的個體化真實顱內動脈瘤血流動力學研究。論文主要工作包括以下兩個部分：
　?。?）在基于GPU的LBM方面，本文首先以方腔流等簡單流場為例，著重探討存儲器訪問優(yōu)化等優(yōu)化技術的作用，并對程序的性能進行了詳細分析，探討了在GPU處理器上影響L

5、BM程序性能的因素。所設計的算法性能優(yōu)于國際上相關算法，與經過充分優(yōu)化的CPU程序相比，在Tesla C1060上最高可達50倍加速比。在此基礎上，針對不同復雜流場的特點，分別基于完全矩陣方法和稀疏矩陣方法提出了兩種算法，并通過大量的數(shù)值模擬分析各自的適用工況。其中稀疏矩陣算法在Tesla C1060上取得250以上MLUPS（每秒百萬網格更新），優(yōu)于國際上相關結果（170 MLUPS）。最后，將設計的算法進一步推進至多GPU平臺，對數(shù)

6、據(jù)訪存和通信過程等方面進行優(yōu)化。在配備4塊Tesla C1060的平臺上，完全矩陣算法可取得接近100％的并行效率，稀疏矩陣算法可取得接近90％并行效率。
　?。?）在顱內動脈瘤血流動力學方面，針對已往大部分研究將血液簡化假設為牛頓流體的現(xiàn)狀，本文利用不同的動脈瘤模型、不同孔隙率的支架等工況來對比牛頓模型與非牛頓模型得出的結果，以此探討這種簡化假設的合理性，分析非牛頓效應對研究結果的影響。研究結果表明，窄頸動脈瘤和置入低孔隙率支架

7、的動脈瘤更易受到非牛頓效應的影響。在此之后，本文從醫(yī)學圖像出發(fā)，通過動脈瘤模型的三維重建、支架的虛擬配置等處理，實現(xiàn)個體化真實動脈瘤的數(shù)值模擬，并對相關血流動力學問題展開了研究，發(fā)現(xiàn)支架置入位置對窄頸動脈瘤和置入高孔隙率支架的動脈瘤有較大影響，血流進入瘤內方向發(fā)生明顯改變；發(fā)現(xiàn)在動脈瘤瘤頸近端對支架加密可達到較好效果，與整體加密的支架功效相近。
　　總之，本文推進了基于GPU的LBM的相關研究，對復雜流場內流動問題的模擬進行了細致