GPU在眼科FD-OCT系统数据处理中的应用

摘要

OCT技术具有高分辨率、高灵敏度、非接触性、活体实时成像、横向分辨率和纵向分辨率相互独立等优点，一经问世就迅速成为生物医学无损成像的研究热点。OCT技术最显著的临床贡献是在眼科领域，它能够提供传统眼科无损诊断技术无法提供的视网膜断层结构和功能图像。近年来，随着OCT技术、数字信号处理技术及超高速CMOS线阵扫描相机等方面的快速发展，OCT成像逐渐向2D实时乃至3D实时成像发展。FD-OCT系统图像数据采集速度已经可以达到300k线/秒，为临床OCT系统实时成像提供了前提，如何提高图像数据处理速度成为了实现OCT实时成像的关键。
　　 本设计针对眼科FD-OCT系统基于传统CPU平台进行采样数据处理速度低、不能满足系统实时成像要求的缺点，提出了一种提高数据处理速度进而达到临床实时成像要求的方法，即将GPU作为通用并行计算处理器引入到眼科FD-OCT系统中，以基于GPU的统一计算设备架构(CUDA)为开发环境，用CUDA C对OCT系统数据处理过程中的相关运算及其算法进行优化。为验证本设计的有效性，分别在CPU和CPU+GPU模式下对采样数据进行B扫描和C扫描模式成像，实验结果表明:将GPU作为通用并行计算处理器，在CPU和CPU+GPU模式下对相同数据成像，成像图像效果一样;采用GPU+CPU模式成像的速度，较CPU模式执行同样数据处理的成像速度提高超过一个数量级，达到了临床2D实时成像的要求。
　　 本设计不需对FD-OCT系统的光学硬件做任何改动，仅需在系统中增加一块带有通用计算功能的显卡，借助显卡上GPU超高的加速性价比以及容易整合到大多数超高速FD-OCT系统的优点，克服了影响OCT系统成像数据实时处理和图像实时显示的瓶颈。

目录

声明

摘要

第一章 绪论

1．1 OCT技术概况

1．1．1 OCT技术的发展

1．1．2 OCT技术在生物医学领域的应用

1．2 GPU并行处理技术

1．3 本课题的研究目的和意义

1．4 本论文的主要内容和结构

第二章 OCT视网膜成像基本理论

2．1 OCT基本理论

2．1．1 时域OCT

2．1．2 频域OCT

2．2 OCT视网膜成像系统关键参数

2．2．1 光源和纵向分辨率

2．2．2 横向分辨率

2．2．3 成像时间

2．2．4 信噪比

2．2．5 成像深度和成像范围

2．3 本章小结

第三章 视网膜成像算法研究

3．1 FD-OCT数据处理过程

3．2 插值算法

3．2．1 最近邻插值法

3．2．2 线性插值法

3．2．3 多项式插值法

3．2．4 样条插值法

3．3 非均匀离散傅立叶变换及其快速算法

3．3．1 非均匀离散傅立叶变换

3．3．2 非均匀快速傅立叶变换

3．4 本章小结

第四章 基于GPU的并行计算及CUDA编程模型

4．1 图像处理器的发展

4．2 CUDA编程模型

4．2．1 主机与设备

4．2．2 线程结构

4．2．3 硬件映射

4．3 CUDA软件体系

4．3．1 CUDA C语言

4．3．2 NVCC编译器

4．3．3 运行时API与驱动API

4．3．4 CUDA函数库

4．3．5 NVIDIA Visual Profiler

4．4 CUDA存储器模型

4．5 本章小结

第五章 基于GPU的CUDA算法实现

5．1 引言

5．2 系统组成和工作原理

5．2．1 系统组成

5．2．2 CPU-GPU平台的搭建

5．3 基于GPU的CUDA程序设计

5．3．1 OCT系统数据处理过程

5．3．2 程序设计

5．3．3 优化分析

5．4 系统验证及结果分析

5．4．1 B扫描模式成像实验

5．4．2 C扫描模式成像实验

5．5 结论

5．6 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

硕士期间发表的文章和申请的专利

致谢