- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
优秀硕士毕业论文,完美PDF格式,可在线免费浏览全文和下载,支持复制编辑,可为大学生本专业本院系本科专科大专和研究生学士硕士相关类学生提供毕业论文范文范例指导,也可为要代写发表职称论文的提供参考!!
中文摘要
在现代的临床诊断和医学研究中,医学图像处理与分析技术占有重要地位,
主要研究内容包括图像增强技术、图像分割技术、图像配准技术、三维重建等方
面。医学图像数据量大,处理算法复杂,CPU (Central Processing Unit)处理
速度不能满足实际应用中的需求,因此如何准确而且快速地处理海量图像数据成
为亟待解决的技术问题。GPU (Graphics Processing Unit)作为一种高度并行
的流处理器,具有更强的浮点计算能力。随着 GPU 通用计算的普及和 CUDA
(Compute Unified Device Architecture)的推出,GPU 不再局限于传统的图
像渲染任务,在通用计算方面也发挥着越来越重要的作用。采用CPU 和GPU 异构
编程方式能发挥GPU 高强度的计算能力,提高医学图像处理的执行速度
本文在国内外医学图像增强的方法和医学图像分割中边缘检测算法的基础
上,对图像增强、图像分割中若干算法进行了并行加速。首先,对耗时的三维医
学图像同质滤波算法进行数据并行性分析,优化存储器访问,使用接口文件将实
验结果与Matlab 实现进行误差比较,在保证数据精确性的情况下实现了三维医
学图像滤波的高倍加速。其次,在图像分割算法中,着重实现了Canny 算子的并
行加速。对Canny 算子进行数据并行性分析,针对每一步骤都选择合适的并行优
化策略,最大限度地实现了程序总体的加速。最后,使用 compute profiler 等
分析工具进一步对并行程序进行优化,通过分析工具提示的潜在优化方向,合理
分配GPU 资源,根据不同并行程序选择不同的优化方向,达到GPU 资源利用率的
最大化。
-8
三维医学图像数据同质滤波的优化加速比高达77 倍,且精度误差在 10 以
内(0.000004% ),可忽略不计。分割算法中的Canny 算子的并行优化也达到了9
倍的加速。GPU 加速大大缩短了三维医学图像处理的运行时间,解决了医学图像
处理的速度瓶颈问题,可以应用于对运行速度有要求的图像处理中。
关键词:GPU ;CUDA;医学图像;同质滤波;Canny
ABSTRACT
Medical image processing and analyzing techniques play an important role in
clinical diagnosis and medical researching, which mainly contain medical image
enhancement and image segmentation as well as image registration and reconstruction.
With massive data and complex algorithms, the speed of medical image processing in
personal computers can not meet the demands of practical applications, so how to
process massive data accurately and efficiently is a problem to be resolved urgently.
As a high-level parallel stream processor, GPU (Graphics Processing Unit) has a
much more powerful floating-point computing ability compared to CPU. With the
spread of GPU and CUDA (Compute Unified Device Architecture), GPU is no longer
restricted
文档评论(0)