利用CUDA技术实现锥束CT图像快速重建.pdfVIP

第30卷第3期 核电子学与探测技术 V01．30No．3 NuclearElectronicsDetection 2010年3月 TechnologyMar．2010 利用CUDA技术实现锥束CT图像快速重建 王 珏1，曹思远2，邹永宁1 (1．重庆大学光电技术及系统教育部重点实验室ICT研究中心，重庆400044； 2．重庆大学自动化学院，重庆400044) 摘要：锥束CT三维重建算法的计算量和传输量巨大，仅利用CPU来计算，无法满足实时、快速、准 确重建的要求，根据图形处理器运算能力强、存储带宽大的特点，研究了一种不需要学习图形API，就可 以在图形处理器上实现三维重建算法的快速运算的方法。该方法采用基于统一计算设备架构的图形处 理器，通过这种新架构的编程模式，利用图形处理器中的流处理器来加快滤波和反投影计算，实现了 FDK算法的重建加速，与利用图形API的重建方法相比，开发门槛较低。对于尺寸为5123的单精度浮 点数据格式的图像，重建时间可以缩短到一分钟以内，并且GPU与计算机的传输时问小于1秒。实验 结果表明与仅利用CPU的重建方法相比，本文提出的图像加速方法得到了较高的时间加速比。 关键词：锥柬CT；图形处理器；统一计算设备架构；流处理器；FDK算法；重建加速 中图分类号：TP391文献标识码： A 文章编号：0258-0934(2010)03-0315—06 随着工业CT技术高速发展，CT扫描更加FangXu利用RGBA通道的并行机制提高了 快速，探测器数量越来越大，这意味CT图像重 FDK算法的重建速度[5]。 建的时间也就越来越长。早先都是采用CPU 相对于只用CPU的重建方法，以上这些 来进行锥束CT的图像重建，但由于三维重建 方法都取得了较高的时间加速比，但是在由于 算法的浮点运算量大，而CPU的浮点运算能 受到GPU硬件和软件架构的限制，使用GPU 力不能适应图像的实时重建的要求。因此 来重建不能充分利用GPU的硬件资源。需要 KlausMueller和Roni Yagel在2000年提出了 利用图形处理器(GPU)来加快图像的重建速 增加了开发难度。 Xu和KlausMueller在GPU 度[1]，然后Fang 2006年，美国NVIDIA公司开发出基于统 实现了FDK算法[2]，并将FDK、SART、OS- Device Unified 一计算设备架构(Computer EM等算法分解成GPU中通用计算步骤[3]，进 行GPU加速算法的一般性扩展[41；为了进一 2007年7月，HolgerScherl等人提出了利用这 步提高GPU加速性能，KlausMueller和 一新架构来实现图像重建算法的加速[7]。本文 将根据这种全新的软硬件架构的特点，利用 收稿日期：2009-03-16 GPU来对三维图像重建算法进行加速。实验 基金项目：国家”863”计划(2006AA042104)资助项 结果表明，使用CUDA技术不仅可以让GPU 目。 在几十秒以内完成32bit浮点精度的反投影计 作者简介：王珏(1961一)，男，教授，主