基于cuda架构与b样条的实时锥束ct重建算法 real-time cone beam ct reconstruction algorithm based on cuda and b-splines.pdfVIP

第15卷第4期 电路与系统学报 V01．15No．4 2010年8月 JOURNAL0FCIRCUITSANDSYSTEMS August，2010 文章编号：1007．0249(2010)04·0045—04 U 基于CDA架构与B样条的实时锥束CT重建算法。 秦安， 桂叶晨， 冯前进， 陈武凡群 (南方医科大学省医学图像处理重点实验室，广东广州510515) 摘要t随着x线探测板数据采集速度的快速发展，研究者开始利用C臂机采集投影数据并重建断层图像，用于手 术导航或者放射治疗。但是普通PC的重建速度慢，很难匹配硬件数据采集速度，限制了其在实时临床环境中的应用。 UnifiedDevice 本文提出一种基于CUDA(Compute Porcessing Unit)显卡的并行计算能力实现了实时CT重建，并通过B样条插值提高重建图像的质量，在实时临床环境中具有很 好的应用价值。 关键词t CUDA，FDK算法，CT重建，GPU 中图分类号。TP391 文献标识码-A 1 引言 随着X射线探测板性能的迅速发展，具备高速数据采集能力的C型臂机等影像设备在临床普及， 许多研究者开始研究结合三维重建技术，通过C臂旋转得到的投影数据重建三维断层图像，将其应用 于放射治疗【l】，影像导航手术【2】中。但由于CT重建所需计算量极大，实时成像计算需借助价格昂贵 的专有硬件，这就限制了CT重建技术在上述临床环境中的应用。为了实现实时的CT成像，重建速 度必须于与探测器速度相匹配，这普通PC很难做到，以双核奔腾2．4GHz的CPU为例pJ，采用目前 ’ 大约每秒获得30～50幅投影图像。 力在普通PC上实现了实时的三维CT数据重建，并采用B样条插值提高CT重建质量，具有很好的应 用价值。 2 研究现状 GPU高速并行的特性以及强大的浮点计算能力以及其单任务多数据SIMD编程模式使得CT重建 过程的加速得以实现。Klaus 并通过实验证明了相对于FPGA【6J，Cell 程使对于需要大量并行计算的投影数据及重建数据受限于并行线程的自由分配，有限的GPU存储空 间。 GPU上的滤波效率并没有cell 能力才得以利用。其投影数据均存储在CUDA框架的device memory中，并没有利用其共享存储器及 纹理存储等高速缓存的优势。并且这些工作都选用线性插值方式，影响了重建精度。 2008．07．07 ·收稿日期t 修订日期：2008—09．04 基金硬目。 (cgzhzd0714) 撑叠信作者tqa．flee@gmail．com 万方数据 电路与系统学报 第15卷 3 基于CUDA的CT重建算法 3．1 FDK算法 FDK算法【9】是一种三维锥束CT系统的重建算法，由于 其形式简单，易于实现，FDK算法及其改进形式已被广泛 应用于CT重建的领域中。完整的重建过程可分解为投影空 间的2D加权滤波和3D体数据空间的反投影两个步骤。计算 最为密集的部分集中在反投影过程上，故基于反投影部分的 图1 FDK算法下投影平面与重 CT重建流程可近似表示为： 建三维体数据的几何关系 (1) p(，．)=I国2(伊，r)g，(匕(p，，．)，ZP(妒，，_))却 2／d 其中：，．(jfv，Y，，z，)∈R3，国=D 过滤波后的投影空间的图像，妒是间隔扫描角度，脚是距离加权系