基于GPU的图形渲染和并行计算在光学分子成像中的应用

摘要

光学分子成像是近几年分子成像领域的研究热点，其算法研究主要包括：前向问题和逆向问题。其中，前向问题的实质是粒子的输运问题，等价于Boltzmann传输方程的求解。一般情况下，此方程的解析解很难获得，因此通常采用随机统计解法(如Monte Carlo方法)来获得精确的数值解。
　　 为了保证Monte Carlo方法在求解前向问题时仿真结果的精确度，一般需要跟踪的光子数量十分巨大，而模拟时间也会随着光子数的增加成比例性增长。因此，本文提出了一种基于GPU高性能计算能力的并行化设计方法，将前向问题中Monte Carlo算法部分并行化。由于传统GPU硬件架构的限制，很难有效利用其资源进行通用计算，而NVIDIA公司推出的CUDA产品与传统GPU通用计算开发方式相比，编程性能更高，应用领域更广泛，支持CUDA的硬件性能也更强。本文则是通过利用CUDA将Monte Carlo算法模拟部分并行化，使其模拟结果能够在保证有较高精确度的同时又节省大量的模拟时间。
　　 同时，为了增强模拟结果图像渲染的可视化效果，本文也利用OpenGL对其模拟结果进行了图像渲染的GPU硬件加速，提高了图像渲染尤其是3D图像渲染的效果和速度，在充分利用GPU的同时方便了实验人员对模拟结果的观察。

目录

文摘

英文文摘

声明

第一章绪论

1.1光学分子成像的背景和发展现状

1.2 Monte Carlo方法

1.3并行化计算方法

1.4 GPU简介

1.5本文的主要工作和论文的组织

1.5.1 OpenGL的可编程实现

1.5.2 CUDA编程模型的并行化实现

第二章光在生物体内传输的理论

2.1光子在生物组织中传输的数学模型

2.1.1辐射传输方程

2.1.2 Monte Carlo方法

2.2 Monte Carlo在前向问题中的实现

2.2.1光源光子的产生

2.2.2光子在生物组织中的传输

2.3小结

第三章OpenGL在光学分子成像软件中的应用

3.1 OpenGL简介

3.2 MOSE的简介

3.2.1仿真环境模块

3.2.2算法模块

3.2.3操作交互模块

3.2.4数据交互模块

3.2.5数据显示模块

3.3 MOSE图形显示类的设计

3.4仿真平台的图形显示实现

3.4.1规则图形显示

3.4.2不规则图形显示

3.5小结

第四章CUDA在光学分子成像中的应用

4.1 CUDA简介

4.1.1 CUDA编程模型

4.1.2 CUDA执行模型

4.1.3 CUDA存储器模型

4.2 Monte Carlo算法的GPU并行化设计

4.2.1并行程序的优化

4.2.2算法仿真实现

4.3 GPU应用效率评测

4.4小结

第五章结论与展望

致谢

参考文献

研究成果