一种基于格子玻尔兹曼前向模型的GPU并行加速荧光扩散断层成像的方法

摘要

cqvip:荧光扩散断层成像是一种新兴的成像方式,在生物学和医学等领域具有广阔的应用前景。而目前荧光扩散断层成像中前向问题的求解耗时严重,该问题大大限制应用场景。为了提高荧光断层成像的计算速度,该研究团队提出了一种基于格子玻尔兹曼前向模型的GPU并行加速荧光扩散断层成像的方法。该研究利用格子玻尔兹曼方法构建光传输模型,把在CPU上计算效率低的LBM的碰撞、迁移、边界处理过程在GPU上加速处理,从而加速荧光扩散断层成像的求解。并采用仿真实验和仿体实验验证该方法的可行性。实验结果表明了在和传统求解的扩散方程计算结果一致的前提下,所提方法相比于在CPU上用基于扩散方程有限元方法能达到最高118倍的加速比。因此,结合GPU的LBM方法可有效求解FDOT中的前向问题。