基于CUDA的放疗计划系统剂量评估和三维重建研究

摘要

随着放射治疗相关技术的发展,病人的医学影像数据规模越来越大,放射治疗计划系统需要处理的数据量也随之大大升高。临床应用中,医生往往需要等待放射治疗计划系统计算完成,而等待时间通常十分漫长。因此需要对放射治疗计划系统进行改进并加速。由于工艺限制,近年来CPU的发展遇到了瓶颈,现在CPU性能的提升通常是通过多核或众核架构的方式来实现。与CPU发展相对,GPU近年来高速发展,比多核CPU系统加速效果更好而且价格更便宜。
　　NVIDIA公司于2007年推出的统一计算设备构架(Compute Unified Device Architecture, CUDA),使得GPU编程可以不需要考虑太多的硬件问题,更加方便进行编程工作。放疗计划系统中,传统基于 CPU的剂量评估和三维重建算法由于只能串行执行,所以速度较慢。通过 CUDA的异构编程模型,可以将程序中适合串行的部分使用CPU执行,并行度高的部分使用GPU执行,有效提高了程序的实时性。本文针对放疗计划软件系统中剂量评估和三维重建速度慢的问题,基于CUDA平台对其进行了加速,论文完成的主要研究工作如下:
　　(1)根据异构编程模型对传统剂量-体积直方图(Dose Volume Histogram, DVH)统计算法进行了分析,将其中可并行部分和串行部分进行了区别。通过对 CUDA存储模型的分析和研究,对程序中数据存储进行了优化。由于在DVH图统计投票过程中会产生严重的bank冲突,结合重离子剂量分布的特征,提出了一种避免bank冲突的投票算法。实现了基于CUDA的DVH图统计算法。(2)对体绘制过程中的核心问题传递函数进行了分析研究,针对传递函数参数中经常用到的体数据梯度幅值,采用三维sobel算子进行了精确计算。由于三维sobel算子进行梯度计算时存在庞大的计算量,为了解决计算速度慢的问题,通过 CUDA进行了体数据梯度幅值的并行计算,得到了很好的加速效果。(3)分析并研究了医学图像的体绘制算法。重点对基于CUDA的光线投射算法进行了研究和实现,通过实验数据对比,达到了理想的绘制速度。根据研究结果表明,本论文对放射治疗计划系统中的剂量评估模块的DVH图统计和三维重建模块的体绘制重建算法的并行改进加速效果明显。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1放射治疗计划系统

1.2课题研究背景和意义

1.3国内外研究现状

1.4本文的主要工作和文章结构

2 放射治疗计划系统中的剂量评估及三维重建

2.1 剂量评估

2.2 三维重建

2.3 本章小结

3 CUDA平台概述

3.1 CUDA异构编程模型

3.2 CUDA线程组织结构

3.3 CUDA存储器结构

3.4 CUDA线程设计

3.5本章小结

4基于CUDA流和共享内存的DVH图统计

4.1 传统的DVH图统计算法

4.2 基于CUDA的DVH图并行实现

4.3 实验结果与分析

4.4 本章小结

5 基于CUDA的医学图像体绘制三维重建

5.1 体绘制算法

5.2 光线投射算法

5.3 传递函数

5.4 基于CUDA的光线投射算法

5.5 实验仿真结果与分析

5.6 本章小结

结论

致谢

参考文献

攻读学位期间的研究成果