基于GPU并行计算的医学三维重建系统的研究与实现

摘要

过去医学影像诊断简单地从采集到的二维图像中观察病人病灶位置，由于其不能建立立体性的观察，往往带有医生的主观判断，将病人的健康甚至生命寄托在医生的临床经验上来，是不科学、不准确的。而医学三维重建可以通过从二维图像中提取三维信息建立病人组织的三维模型，使医学影像诊断可以从立体方向综合观察，减小了医生主观错误，大大加强了诊断结果的准确性。而传统三维重建方法由于巨大的数据量和运算量，运行缓慢且不容易变换，因此得不到广泛应用，本文提出了改进的三维重建方式，先对二维图像进行图像预处理，然后采用GPU并行计算的方式进行三维重建。
　　由于医学断层CT图像自身清晰度不够、容易受到噪声影响的特点，如果用原始图像进行三维重建，效果往往不太理想，因此在重建之前对二维图像进行预处理是非常必要的，但是传统的去噪模型在去除噪声的同时往往破坏了图像边界，致使图像边界不清。本文采用基于各向异性的偏微分去噪模型，在去噪的同时可以很好地保存图像边界，收到了很好的处理效果。
　　提高三维重建效率是医学可视化领域一个重要的研究方向，传统的改进方法往往是牺牲图像质量的前提下减少生成面片数量，或者是借助于专门的图像加速卡，这些方式或者成本过高，或者准确度不够。本文利用GPU强大的并行计算能力，提出将原先MC算法的串行运行方式改为并行处理方式，大大提高了算法运算的效率。

目录

文摘

英文文摘

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的主要研究工作

1.4 本文结构安排

第二章 CT图像预处理

2.1 引言

2.2 DICOM文件标准及图像处理

2.2.1 DICOM标准介绍

2.2.2 DICOM文件格式

2.3 DICOM图像预处理

2.3.1 窗口变换技术

2.3.2 图像增强

2.3.3 图像去噪

2.4 小结

第三章 医学图像三维重建

3.1 引言

3.2 三维重建Marching Cubes算法

3.3 MC算法抽取等值面的算法流程

3.3.1 MC算法求等值面流程

3.3.2 MC算法伪代码描述

3.4 MC算法的优化

3.5 小结

第四章 高性能GPU并行计算

4.1 引言

4.2 多核计算的发展

4.3 CPU+GPU异构并行

4.3.1 CPU线程与GPU线程

4.3.2 多核与众核

4.3.3 外部存储器

4.3.4 缓存

4.4 从GPGPU到CUDA

4.4.1 传统GPGPU开发

4.4.2 CUDA开发

4.5 MC算法的GPU并行计算实现

4.6 小结

第五章 医学图像浏览器MedicineSys的设计与实现

5.1 系统主要功能介绍

5.2 开发工具和开发环境

5.3 系统功能模块及划分

5.4 实验结果

5.5 小结

第六章 总结与展望

6.1 工作总结

6.2 未来工作展望

致谢

参考文献