基于CUDA的CTA减影算法的设计与实现

摘要

近年来CTA(Computed Tomographic Angiography CTA，CT血管造影)作为一种无创的血管检查方法得到了广泛应用，已成为头颈部血管类疾病检查不可或缺的重要手段。但由于CTA图像中包含骨骼，容易对血管结构造成遮挡，因此需要利用CTA减影技术将CTA图像中的骨骼影像去除。CTA减影技术通过在CTA扫描之前增加一次无血管造影的CT平描，将CT图像与CTA图像配准后，再从CT图像中提取出骨模，并利用骨模对CTA图像进行减影处理，从而达到减影去骨的目的。CTA减影能一次性去除CTA图像中的骨骼影像，保留完成的血管结构，但缺点是算法的配准及减影过程的计算量巨大，导致计算时间较长，这也在一定程度上妨碍了其在临床上的实用性。
　　GPU(Graphic Processor Unit，图形处理器)是一种并行计算设备，其强大的并行计算能力使得它在工业设计、游戏开发、医学图像处理等诸多领域均有很好的应用。CUDA(Compute Unified Device Architecture，统一计算设备架构)的发布使得GPGPU(GeneralPurpose computation on GPU，GPU通用计算)成为现实，GPU编程方法更加简单方便，可以完全采用C语言实现，大大降低了GPU的编程门槛，提高了软件开发效率。
　　本文利用CUDA技术对CTA减影算法进行了并行优化，主要包括以下几部分内容:首先，本文设计并实现了一种自动的CTA减影算法，该算法无需人工干预，自动完成CT图像与CTA图像的配准及减影去骨操作;然后，本文利用CUDA技术对CTA减影算法进行了加速改进，结合CUDA技术的特点，对CTA算法的各个步骤进行了任务拆分和重新设计，使其能最大程度地利用GPU的并行计算能力，获得最佳的加速效果;最后，本文通过实验对算法的精度及时间效率进行了验证。实验结果证明，本文提出的CTA减影算法的减影效果良好，满足临床需求。另外，本文基于CUDA的CTA减影算法在保证算法计算精度的前提下，获得了约2.5倍的计算加速比。

目录

声明

摘要

第1章 绪论

1．1 课题背景

1．2 研究现状与趋势

1．2．1 研究现状

1．2．2 趋势

1．3 论文内容和论文结构

1．3．1 论文内容

1．3．2 论文结构

第2章 相关技术

2．1 医学图像配准技术

2．1．1 医学图像配准的分类

2．1．2 医学图像配准的基本步骤

2．2 医学图像分割技术

2．2．1 基于阈值的分割方法

2．2．2 基于区域生长的分割方法

2．2．3 基于形变模型的分割方法

2．2．4 基于聚类的分割方法

2．3 CUDA技术

2．3．1 CUDA软件结构

2．3．2 编程模型

2．3．3 存储模型

2．3．4 执行模型

2．4 本章小结

第3章 CTA减影算法的设计与实现

3．1 CTA减影算法的流程

3．2 基于互信息的3D医学图像刚性配准算法的设计与实现

3．2．1 基于互信息的3D医学图像刚性配准算法的流程

3．2．2 灰度级变换

3．2．3 采样子集

3．2．4 空间变换

3．2．5 插值技术

3．2．6 相似性测度

3．2．7 优化算法

3．3 减影去骨算法的设计与实现

3．3．1 减影去骨算法的流程

3．3．2 骨模提取

3．3．3 骨模优化

3．3．4 去除扫描床

3．4 实验结果与分析

3．4．1 实验数据

3．4．2 实验环境

3．4．3 CTA减影算法结果

3．5 本章小结

第4章 基于CUDA的CTA减影算法的设计与实现

4．1 CTA减影算法的CUDA可并行性分析

4．1．1 CUDA技术的计算任务特点

4．1．2 基于互信息的3D医学图像刚性配准算法的CUDA可并行性分析

4．1．3 减影去骨算法的CUDA可并行性分析

4．2 基于CUDA的3D医学图像刚性配准算法的设计与实现

4．2．1 基于CUDA的3D医学图像刚性配准算法的设计

4．2．2 基于CUDA的3D医学图像刚性配准算法的实现

4．3 基于CUDA的减影去骨算法的设计与实现

4．3．1 基于CUDA的减影去骨算法的设计

4．3．2 基于CUDA的减影去骨算法的实现

4．4 实验结果与分析

4．4．1 基于CUDA的3D医学图像刚性配准算法精度

4．4．2 基于CUDA的减影去骨算法效果

4．4．3 基于CUDA的CTA减影算法效率

4．5 本章小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢