[发明专利]基于GPU的螺旋锥束CT重建方法

说明书

技术领域

本发明的实施例涉及计算机断层成像(CT：Computer Tomography)技术，具体涉及一种基于图形处理器(GPU：Graphic Processor Unit)的螺旋锥束CT重建方法。

背景技术

在CT应用领域，Katsevich型重建方法作为螺旋CT精确重建算法中的一种，其重建效果已被广泛认可。但由于其计算量巨大，限制了在实际系统中的应用。

通用GPU计算技术是近几年兴起的快速计算技术由不断增长的市场对实时三维图形处理的需求。图形处理器(Graphic Processing Unit，GPU)以惊人的速度在发展。从固定的渲染管道发展到可编程的非固定渲染管道的专用处理器，发展到现在的可用于通用计算目的的通用并行处理器GPGPU(General Purpose GPU)，其应用的范围也逐渐从最初的加速图形几何变换、光照和纹理等，发展到可编程的顶点和片段控制，最终成为了可满足常见计算需求的通用计算设备。

GPU的浮点计算能力也以远超CPU的速度在增长，到08年底NVIDIA GT200核心的显卡达到了约1T FLOPs，而同时期的Intel CPUHarpertown浮点运算能力约65G FLOPs。(1T＝1000G)NVIDIDA即将推出的GT300构架显卡预计将达到2.7TFLOP/s，远超CPU的计算能力。

设计目的不同是造成CPU和GPU之间的差异主要原因：GPU为了完成复杂的图形渲染工作，需要强大的并行计算能力，因此将更多晶体管用于计算单元；CPU为了更为通用，则不断的增加缓存和流程控制单元。CPU主要用于不规则的数据结构，其存取模式也就变得不可预测，因此只有不断增加缓存来解决存储器延迟问题。而GPU使用单程序多数据执行模式(SPMD)、规则的数据结构，使得存储可预测，从而可以有更多的空间用于增加计算单元。另外，GPU通过提升计算通信比例来隐藏存储器延时。GPU中同时运行大量线程，等待内存访问的线程马上被切换，而GPU中线程切换只需要一个时钟周期，相对的CPU切换线程则要几百个时钟周期。

从图1中可以看到，GPU以更多的算术逻辑单元(Arithmetic Logic Unit，ALU)用于计算，相应的牺牲了缓存(Cache)和程序流控制能力。因此，如果能充分的利用GPU的优点，合理的避开其缺点，将大幅提高程序的运行效率，提高单机运算能力。

发明内容

本发明的目的是提出一种基于图形处理器的螺旋锥束CT重建方法。

在本发明的一个方面，提出了基于GPU的螺旋锥束CT重建方法，其中的反投影步骤在GPU中执行时，为每个待重建像素分配单独线程来执行，重建所需预处理后的投影数据存储在GPU的纹理内存中，其中线程分配过程包括以下步骤：根据GPU的特性设置每个线程块(Block)的尺寸；根据待重建图像的尺寸设置线程块(Block)的个数；按照线程块(Block)设置执行内核程序。

根据本发明的实施例，对投影数据的预处理步骤包括：对投影数据求导；对求导后的数据进行加权；将加权的数据沿着k线方向重排；对重采样的数据进行滤波；对滤波后的数据从k线方向重排到u方向。

根据本发明的实施例，使用stream技术，从而隐藏数据读取时间。

根据本发明的实施例，使用通过修改函数库中函数的精度来提高运算速度。

通过GPU实现上述方法，能大大提高重建速度，从而使在实际应用中进行实时重建成为可能。

附图说明

图1示出了CPU与GPU结构对比图。

图2A是平面探测器螺旋扫描示意图。

图2B是描述Tam窗的示意图。

图2C是描述k线的示意图。

图3是描述Katsevich算法推导坐标示意图。

图4是根据本发明实施例的基于GPU来实现Katsevich重建算法的流程图。

图5示出了根据本发明实施例的图像像素与线程对应示意图。

图6示出了根据本发明实施例的基于GPU的滤波过程的流程图。

图7示出了根据本发明实施例的三维体数据重建线程分配示意图。

图8示出了作为比较用的基于CPU的执行加权过程的计算流程。

图9示出了根据本发明实施例的GPU执行加权过程流程图。

图10示出了根据本发明实施例的基于GPU的MicroCT系统数据处理流程图。

图11示出了根据本发明实施例的使用stream技术时间对比。

具体实施方式