基于JACKET超声弹性成像算法并行实现.docVIP

基于JACKET超声弹性成像算法并行实现 　　摘 要：针对超声弹性成像系统在医学诊断中的广泛应用，为了提高超声弹性成像算法的计算速度，提出采用GPU加速基于互相关算法的弹性成像技术。首先分析采用这种技术的可能性，然后通过GPU开发工具中的JACKET来实现互相关算法的并行计算，实现超声弹性成像技术。最后通过实验数据证明该方法在处理单帧弹性图条件下，能大幅提升图形计算的能力。与传统的互相关方法比较，具有25倍的加速比。 关键词：弹性成像；并行算法；图形处理单元；互相关；计算速度 中图分类号：TP391.41 随着电子信号学、计算机科学等相关领域技术的飞速发展，超声弹性成像技术成为现代医学影像中的一种新模式，是当前该领域中研究的热点，具有实时性、无放射性辐射等优点。超声弹性成像技术自1991年由Ophir等提出来的20多年来取得了快速的发展，在临床应用中已经逐渐显示出其重要价值。其基本原理是对组织施加来自外部的压力，在弹性力学等物理规律下，组织将产生一个响应，例如位移、应变、速度的分布产生一定改变。利用超声成像方法，结合数字信号处理或数字图像处理技术，可以估计出组织内部的相应情况，从而间接或直接反映组织内部的弹性模量等力学属性的差异。 但是由于超声设备的不断更新，超声检测和临床诊断等应用要求的不断提高，对现在的超声弹性成像算法的实时性提出了更高的要求。而GPU（Gaphics Processing Unit）硬件技术的发展与创新，给基于GPU的并行计算带来了革命性的变化，为达到这个要求提供了可能性[1]。 1 GPU概述及特性 在这部分，主要介绍图形处理单元，GPU在计算速度方面有惊人的优势，目前能够提供超过1 TFOPS的单精度性能和超过300 GFLOPS的双精度性能，同时执行多大240个并发线程，且不需要付出太大的代价。GPU在并行计算、分布计算和浮点运算方面，拥有数十倍乃至上百倍优于CPU的运算能力。用GPU进行并行计算，减少程序运行时间，大幅提升程序执行效率，是近年来GPU发展的一大趋势，受到了研究人员的广泛关注。 1.1 JACKET概述 JACKET Engine是一个以MATLAB为基础的基于GPU计算引擎，由AccelerEyes公司开发。JACKET加速MATLAB在GPU的代码。以最少的时间和知识，单线程的M-代码被转换成GPU应用程序。JACKET是专为那些需要高性能和GPU资源最大利用率的工程师、科学家、分析师等设计的无视凌乱的低层次的编程细节。JACKET的运行系统与协同工作的语言处理系统，优化内存传输，JIT编译代码的实时调谐性能有效的推出GPU内核以获得最大的性能[2]。 1.2 与MATLAB的联合 JACKET一旦安装成功[3]，它就透明的集成了MATLAB的透明界面，用户可以启动通过MATLAB桌面和命令窗口交互工作以及写M-函数使用MATLAB编辑器和调试器方式开始工作。所有JACKET数据以及任何其他MATLAB的矩阵在MATLAB的工作空间都是可见的。 2 传统的超声弹性成像算法分析 通常来说，超声弹性成像分为四步，第一是在对目标组织未加载外力的状态下进行RF信号的采集，第二步是对目标组织加载外力，第三步对变形组织再进行RF信号的采集，最后，从两次采集相同目标组织的RF信号在提取出有价值的信息，包含位移等。其中弹性成像的研究重点在于后期也就是最后一步。在整个最后一步的处理过程中又包含最重要的三个部分，运动位移估计、子采样位移估计和应变估计。整个处理流程都属于计算密集型操作[4-5]。 归一化相关（normalized cross correlation NCC）技术是一种相对来说匹配较准确的匹配算法，但是由于超声弹性成像系统对于实时性的要求日渐提高，其运算速度需要进一步提高。 2.1 基于空间域的NCC弹性成像算法 基于空间域的NCC弹性成像算法，所做的是上述最后一步的内容，主要包括以下几个步骤：基于NCC的初步位移估计、精确到采样点的位移估计、利用数字差分滤波器产生应变产生图像并显示。 2.1.1 初步位移估计 上图3的伪代码分别实现NCC算法基于CPU和GPU的计算流程。在CPU实现中，col表示所有RF线数量，k表示每条RF线待估计采样点的数量，由窗口大小和重叠率决定，l表示计算的搜索长度。GPU计算利用GFOR循环并行分配M*col个核来计算对应的互相关系数。经过这个过程，得到的是一个M*col的一维矩阵，将矩阵变换后得到M*col的二维矩阵，就是最大相关系数及其对应的位置。 4 实验结果及讨论 验证本文所提出方法的快速性和有效性，做了大量的仿真实验，并同传统的NCC