[发明专利]一种基于Hadoop和CUDA的光线投射可视化多用户交互处理方法

说明书

技术领域

本发明涉及科学计算可视化技术领域，特别是涉及一种基于Hadoop和CUDA的光线投射可视化多用户交互处理方法。

背景技术

随着MRI、PET、CT等现代医疗设备应用的快速发展，三维医学可视化已经广泛应用于医学诊断、辅助治疗、手术规划等领域。三维医学可视化体绘制技术因为其良好的“保真性”，具有很好的应用价值与前景。但随着医学数字图像精度和分辨率的显著提高，医学影像数据量快速增加，其超大规模的医学影像数据和超大计算量成为了计算机实现三维医学体绘制的瓶颈。目前，为了满足大规模的医学影像数据体绘制的超大计算量、多用户交互需要，近年来的研究主要集中于并行体绘制、基于GPU的硬件加速和GPU嵌入MapReduce的高效并行计算等几方面。S.Eilemann等通过设计并行体绘制来满足快速绘制的要求。南方医科大学生物医学工程学院董现玲等和浙江工业大学计算机科学与技术学院秦绪佳等设计的基于CUDA(Compute Unified Device Architecture)技术进行数据的存储和处理，实现了并行化的Ray-casting算法。Vo H T等设计的基于MapReduce的计算框架，实现了基于MapReduce的z-buffer绘制、并行网格简化以及等值面抽取等基础图形学算法。

虽然上述几种方法都达到了一定加速绘制效果，但均有一定的不足和缺点，例如：单一的CUDA处理，必须依靠NVIDIA显卡硬件提供支持，增加成本，并且单机绘制对速度提升有限；另外，大量重复数据的计算也增加了系统处理负担，浪费系统资源。

发明内容

本发明的目的在于提出一种基于Hadoop和CUDA的光线投射可视化多用户交互处理方法，能够快速、高效的实现三维可视化成像。

为了实现上述目的，本发明采用如下技术方案：

一种基于Hadoop和CUDA的光线投射可视化多用户交互处理方法，包括如下步骤：

步骤1：不同用户在本地处理前，需先获取绘制图像的数据信息；

其中，图像的数据包括如下参数：查询重复标识CX、切片数C、开始编号D、结束编号E、视线方向F、视点位置G、生成图像宽W、生成图像高H、重复类型CTYPE、重复切片数量CC、重复开始编号CD、重复结束编号CE和数据DATA；

步骤2：集群服务器master机器获取图像的数据，然后将该图像的数据与master机器中避免重复计算存储的数据比对，查询集群服务器是否有需要计算的数据结果；

其中，避免重复计算存储的数据包括如下参数：开始编号X、结束编号Y、视线方向L、视点位置M、使用次数N、时间T、禁替换标识NOREP和数据DATA0；

步骤2.1：判断集群中有无重复数据结果；

若：判断结果是有重复数据，则设置重复类型CTYPE为部分重复，数值为1，禁替换标识NOREP值加1，并执行步骤2.2；

或判断结果是无重复数据，则执行步骤3；

步骤2.2：判断数据结果是否为完全重复；

若：判断结果是完全重复，则重复类型CTYPE为完全重复，数值为2，并执行步骤11；

或判断结果是部分重复，则执行步骤3；

步骤3：读取对应不重复图像切片，建立三维数据场；

步骤4：使用AABB包围盒对三维数据场无效体素进行裁剪；

步骤5：使用NVIDIA CUDA对梯度进行处理；

步骤6：将处理完的数据传输至集群服务器master机器；

其中，处理完的数据包括如下参数：查询重复标识cx、切片数c、开始编号d、结束编号e、视线方向f、视点位置g、生成图像宽w、生成图像高h、重复类型ctype、重复切片数量cc、重复开始编号cd、重复结束编号ce和数据data；

步骤7：将接收到的步骤6中的数据与master机器中避免重复计算存储的数据进行对比，查询集群服务器中是否有接收到数据的计算结果；

其中，避免重复计算存储的数据包括如下参数：开始编号x、结束编号y、视线方向l、视点位置m、使用次数n、时间t、禁替换标识norep和数据data0；

步骤7.1：判断集群中有无重复数据结果；

若：判断结果是有重复数据，则读取对应存储的重复数据data0，禁替换标识norep减1，执行步骤7.2；

或判断结果是不含重复数据，则执行步骤8；

步骤7.2：判断数据结果是否为完全重复；