基于GPU的快速剂量计算方法

摘要

放射治疗是目前治疗恶性肿瘤的主要手段之一，放射治疗计划的快速制定具有很现实的意义。而剂量计算是放射治疗计划的核心，剂量计算的速度与精度，对放射治疗计划制定的效率和质量具有重要影响。
　　常用的剂量计算方法有蒙特卡罗法、笔形束法和卷积叠加算法。蒙特卡罗方法的计算精度较高，但耗时很长;笔形束法的计算速度比蒙特卡罗方法快，但精度较低;卷积叠加算法的计算速度比蒙特卡罗方法快，同时精度比笔形束法高，其中一种改进的卷积叠加算法，即CollapsedCone卷积叠加算法(Collapsed Cone Convolution/Superposition，CCCS)降低了计算复杂度，计算速度获得较大提高，但实际应用特别是调强放射治疗(Intensity Modulated Radiotherapy,IMRT)治疗计划设计时，其计算速度还有待于进一步提高。
　　能谱是CCCS剂量计算的重要参数之一。医用直线加速器高能射束能谱的直接测量很困难，根据百分深度剂量的测量数据，本文提出利用模拟退火优化算法对光子束能谱进行重建，并利用蒙特卡罗软件对光子束能谱进行模拟，对模拟退火法重建的光子束能谱进行评估，实验结果表明利用模拟退火算法进行光子束能谱重建可靠有效。
　　在放射治疗计划制定过程中，计划优化过程需要反复进行剂量计算，为了提高治疗计划的优化速度，CCCS算法的计算速度依然需要大幅提高以满足实际临床的需要。近年来图形处理器(Graphics Processing Units，GPU)以高并行度、高浮点处理能力，在各个领域得到快速发展，并开始应用在剂量计算和治疗计划优化方面。本文提出利用GPU对CCCS算法的四个核心模块进行加速计算，采用计算统一设备架构(Compute Unified Device Architecture，CUDA)，实验环境是Windows7系统、Visual Studio2010开发平台，CUDA4.1环境，型号为NVIDIA QuadroFX380 LP、计算能力为1.2的GPU。
　　为了评估基于GPU加速的CCCS剂量计算方法的性能，将其计算结果与CPU环境下的CCCS算法的计算结果进行比较，从计算时间和精度两个方面进行评价。实验结果表明:利用GPU对CCCS算法进行加速计算，可以显著缩短剂量的计算时间，并且随着计算规模的增大，加速比相应地增大，同时计算精度可得到保证。综上所述，利用GPU进行快速剂量计算是一种可靠、快速的新型计算方法，在保证计算精度的同时可以大大加快剂量计算速度，且占用空间小、花费较少，具有广阔的应用前景。

目录

摘要

注释表

缩略词

第一章 绪论

1．1 肿瘤放射治疗

1．1．1 放射治疗的产生和发展

1．1．2 放射治疗计划系统

1．2 剂量计算的意义及算法简介

1．3 GPU通用计算的发展与CUDA

1．4 利用GPU进行剂量计算的国内外研究现状

1．5 本文研究内容及章节安排

第二章 CUDA编程模型与平台搭建

2．1 引言

2．2 CUDA编程模型

2．3 CUDA存储器模型

2．4 CUDA平台搭建

2．5 本章小结

第三章 医用直线加速器光子束能谱的重建

3．1 引言

3．2 利用模拟退火法重建光子能谱

3．2．1 目标函数

3．2．2 初始化

3．2．3 新解的产生

3．2．4 模拟退火参数

3．2．5 光子束中轴PDD数据的测量

3．2．6 基于MC软件的单能光子PDD的模拟

3．3 MC法重建光子能谱

3．3．1 BEAMnrc子程序

3．3．2 BEAMDP子程序

3．3．3 DOSXYZnrc子程序

3．3．4 西门子直线加速器治疗头的MC模拟

3．4 结果分析

3．5 本章小结

第四章 利用GPU对CCCS剂量计算进行加速优化

4．1 引言

4．2 CCCS算法原理

4．3 DICOM标准与坐标系的转换关系

4．4 CCCS算法流程

4．5 优化内容

4．6 优化策略

4．6．1 grid和block的维度设计

4．6．2 存储器优化

4．6．3 指令优化

4．6．4 异步并行执行

4．7 测试方法

4．8 优化过程

4．8．1 CT插值过程

4．8．2 TERMA计算

4．8．3 剂量叠加

4．8．4 剂量插值

4．9 结果分析

4．9．1 CUDA环境的启动

4．9．2 CT数据插值

4．9．3 TERMA的计算

4．9．4 剂量插值

4．9．5 剂量计算结果分析

4．10 本章小结

第五章 总结与展望

5．1 工作总结

5．2 工作展望

参考文献

致谢

在学期间的研究成果及发表的学术论文