發(fā)布時間：2020-12-11 09:28

　　從腦部序列圖像中將腦組織與顱骨、眼球、皮膚、脂肪等組織分離出來的過程稱為腦組織提取,是腦部MRI圖像分析的重要處理步驟,在fMRI圖像配準、腦組織分割、腦容量測量等方面有重要應用。快速準確的提取腦組織在臨床和研究中有重要應用。本文在CUDA并行計算平臺提出了一種并行腦組織提取方法,該方法該方法結合了并行BET算法和并行水平集方法,是一種混合算法。本文主要貢獻有:1、為進一步提高并行水平集計算速度,本文對水平集演化中起重要作用的符號距離函數(shù)的并行計算進行了研究,在源點掃描法的基礎上提出了基于法向放射的符號距離函數(shù)計算方法。該算法首先采用法向發(fā)射的方法得到圖像中封閉曲線法向方向上的像素點的符號距離,然后根據(jù)源點掃描算法快速計算符號距離函數(shù),減少了圖像遍歷次數(shù)從而提高了計算效率。本文還在CUDA平臺上實現(xiàn)了并行算法,實驗表明并行算法在達到相同的計算精度的條件下,計算效率優(yōu)于速度很快的降維法。2、為實現(xiàn)快速精確的腦組織提取,本文將并行BET算法和并行水平集算法結合起來,提出了一個新的混合并行腦組織提取方法。該方法首先采用并行BET算法對輸入腦部MRI圖像進行腦組織提取得到一個初步結果,然后利用... 

【文章來源】：南昌航空大學江西省

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

GPU加速計算

圖 2.2 CPU 與 GPU 性能比較CPU 主要應用在處理串行計算方面，還有任務需要遵照強烈的邏輯原則范時，也需要 CPU 來處理，而任務設計到線程化時，就需要 GPU 來通過并理減少計算，提高效率。因為 GPU 本身自帶的存儲器中的設備是可以支持程并行的。GPU 的硬件簡單說是由三個關鍵模塊組成：內存（全局共享）、流處簇（SM）、流處理器（SP）。簡單來說就是一個流處理器簇的陣列，然后流處理器簇又包含很多個核。處理器之所以可伸縮、延拓，有一個很重要的就是一個 GPU 設備可以由超過一個流處理器簇構成，因為一個設備它下面的流處理器簇越多，GPU 在固定時間內處理的任務量也越多，換句話說，量的任務，GPU 完成所需要的時間更短。所以 CPU 主要負責串行計算，GPU 則是并行計算。一個完整的 CUDA由兩個部分構成，一是 host 端程序，還有一個是 device 端程序，CPU 負責host 端程序，GPU 則負責執(zhí)行 device 端程序。當調用 CPU 的內核函數(shù)時，

線程塊網(wǎng)格

【參考文獻】：
期刊論文
[1]水平集中符號距離函數(shù)并行降維計算[J]. 江少鋒,楊素華,陳震,張聰炫,周旭欣.  中國圖象圖形學報. 2018 (02)
[2]基于CUDA架構圖像處理并行算法實驗研究[J]. 費華英.  銅仁學院學報. 2017(06)
[3]序列磁共振顱腦影像的腦組織自動提取方法[J]. 賈迪,楊金柱,張一飛,趙大哲,于戈.  儀器儀表學報. 2011(08)
[4]基于層間先驗知識從腦MRI圖像中自動提取腦組織[J]. 韓翀蛟,林相波,馬慧超,李馨.  生物醫(yī)學工程與臨床. 2011(02)
[5]磁共振顱腦圖像的腦組織自動獲取方法[J]. 稅午陽,周明全,耿國華.  軟件學報. 2009(05)
[6]基于曲線推進的符號距離函數(shù)生成方法[J]. 張博,蘇永利,張書玲.  西北大學學報(自然科學版). 2007(05)
[7]基于Mumford-Shah模型的快速水平集圖像分割方法[J]. 李俊,楊新,施鵬飛.  計算機學報. 2002(11)



本文編號：2910294