[发明专利]基于遗传算法的CT图像重建反投影加速方法

说明书

技术领域

该发明涉及一种CT图像重建的方法，特别是涉及一种基于遗传算法的CT图像重建反投影加速方法。

背景技术

计算机断层成像(ComputedTomography,CT)以其无损、精确、三维可视化等优点在工业无损检 测和医疗诊断领域获得了广泛的应用。然而CT设备在提高成像质量和重建分辨率的同时，相应需求的计 算资源和存储资源都非常大，重建速度已成为CT技术走向实用的一个瓶颈，如何对CT重建过程加速是目 前该领域研究的一个难点问题。

目前，实际CT系统中应用的主流算法主要集中于以滤波反投影为基础的解析类重建算法上，如FBP、 FDK等算法。在这类算法中，反投影过程所占计算消耗的比例最高，对反投影计算的加速是实际应用中重 建加速的关键点。

在半导体工艺和并行计算技术进步的推动下，特别是以GPU为代表的众核处理器的推出，使得图像 重建速度已不再是一个瓶颈。在众多高性能计算方案中，基于CUDA的图像重建算法加速效果十分显著， 利用CUDA实现对CT重建的反投影过程进行加速是该领域的重要研究方向。

经过现有技术的文献检索发现，利用CUDA加速CT重建反投影的文章采取的实现方式存在访存带宽 受限、自适应程度低等不足。2011年，Papenhausen在WorkshoponHighPerformanceImageReconstruction 上发表《GPU-acceleratedback-projectionrevisited:squeezingperformancebycarefultuning》， 通过常数存储器、纹理存储器和一次反投影多个投影等更精细的优化策略，使得GPU在图像重建中的优势 得到更好的发挥。2014年，Zhang等人在AppliedMechanicsandMaterials上发表《ComparisonofParallel ComputingMethodsforFastCone-BeamReconstructionwithSimilarOptimizationStrategies》， 充分利用了GPU受限于访存带宽而不是计算带宽的特点，通过一次反投影更多投影的方式，对于5123的 重建图像仅需要2.1秒。但上述方法的性能瓶颈是都需要人为来识别，加速策略的自适应程度低。

发明内容

本发明克服了现有技术中，利用CUDA加速CT重建反投影的实现方式存在访存带宽受限、自适应程 度低等问题，提供一种自适应程度高的基于遗传算法的CT图像重建反投影加速方法。

本发明的技术解决方案是，提供一种具有以下步骤的基于遗传算法的CT图像重建反投影加速方法： 其在CUDA编程框架下，基于CUDA的反投影并行计算策略如下：

(1)一次反投影核函数运算处理多个投影，减少重建图像体素值更新时对全局存储器的访问次数；

(2)合理设计线程网格(grid)和线程块(block)的维度和顺序来保证全局存储器的合并访问，降 低重建图像体素值更新时对全局存储器的访问延迟；

(3)使用常数存储器保存反投影中的常数，比如三角函数值，减少算术指令的运算时间；

(4)使用纹理存储器实现双线性插值，减少算术指令的运算时间；

(5)约简反投影运算中的相同因子，如相同的除法，减少算术指令的运算时间。

所述定义策略(1)中一次反投影处理I个投影，策略(2)中block的维度为(Bx,By)、一个线程更 新K个体素，建立以(I,K,Bx,By)为参数、以反投影计算时间T(I,K,B_x,B_y)为代价函数的最优化模型