[发明专利]一种基于CUDA的PET系统矩阵计算方法

说明书

本发明公开了一种基于CUDA的PET系统矩阵计算方法。首先，对探测器系统按固定角度进行划分，得到划分后各子集的响应线方程；然后，在CUDA中给每个角度分配grid，每个角度下的每条子响应线分配block，将重建图像的像素坐标数据传至每个block的共享内存，block中的thread快速并行计算各像素的概率权值；各grid依次串行执行，同一个grid中不同block快速并行执行；最后，将概率权值在角度内拼接得到系统矩阵子集，再将系统矩阵子集拼接得到系统矩阵。本发明在保证系统矩阵元素准确的前提下，提高了创建效率，解决了系统矩阵建立速度慢以及GPU显存资源有限而系统矩阵数据量大所导致的难题。

技术领域

本发明属于射线检测成像领域，特别涉及了一种PET系统矩阵计算方法。

背景技术

正电子发射型计算机断层显像(Posintron Emission Tomography,PET)是临床上应用广泛的一种无创核医学影像诊断技术，它通过对注入活体的放射性示踪剂成像，从而提供活体的新陈代谢等功能信息。目前PET主要应用于医学诊断领域，在工业领域研究较少。而γ光子具有强穿透性和电中性，受材料、结构以及电磁场等因素影响较小，因而将PET技术应用于工业无损检测领域具有重要意义。PET系统的主要工作过程：

(1)探测器得到符合数据：探测器接收湮灭释放的光子对，并判断光子对是否属于同一湮灭事件，从而获得大量符合数据；

(2)数据重组：将符合数据转换成由距离和角度组成的正弦图；

(3)图像重建：根据正弦图和重建算法从而得到切片图。

图像重建过程中，有公式Y＝A*I，其中Y为向量化的投影(向量化的正弦图)，I为向量化的切片图，A为需要计算的系统矩阵，也可以称为概率矩阵，其在重建图像中属于一个已知量或是一个固定参数。系统矩阵描述了探测器对被检测对象的探测过程，将所有的图像像素和响应线(LOR)连接起来，是迭代图像重建的关键，是正弦图数据通向切片图数据的纽带。虽然系统矩阵在图像重建过程极其重要，但是运算量大导致其生成速度很慢，难以满足工业检测速度快的要求。系统矩阵的大小与PET探测器数量和重建切片图大小有关，由于数据量大，其生成速度一直是一个难点，单纯的在CPU上进行改进很难保证速度有大幅度提升。随着GPU的发展，出现了很多运用GPU对计算密集型任务加速的算法。

2006年，NVIDIA公司发布了CUDA(Compute Unified Devices Architecture，统一计算设备架构)体系架构，该构架是一种新的并行编程模型和指令集的通用计算构架，它是基于高速图像处理单元GPU的，在GPU上高速并发执行，极大的提高了程序算法的运行速度，该体系构架为GPU编程提供了一种全新的软硬件构架。在CUDA架构下GPU中程序执行的最小单元是thread(线程)，一个block(线程块)中包含数个thread，同一个block中的thread可进行快速同步，同时还可通过共享内存(share memory)进行数据交换，不同block中的thread之间无法直接进行同步与数据交换。同一个block中thread开辟数量上受限较大，当加速程序需要的thread数量较大时，通常会将block中开辟的thread个数固定，而开辟多个block，多个block的集合称为grid(网格)，不同的thread使用thread ID以及block ID加以区分。利用NVIDIA GPU的并行计算引擎，线程、线程块和网格可以比CPU更高效地解决比较复杂的计算难题。

CUDA编程模型是一个异构模型，需要CPU和GPU协同工作。在异构计算架构中，GPU与CPU通过PCIe总线连接在一起来协同工作，CPU及其内存所在位置称为主机端(host)，而GPU及其内存所在位置称为设备端(device)。CUDA程序中既包含Host程序，又包含Device程序，它们分别在CPU和GPU上运行，CPU负责对逻辑性事务进行处理，以及对串行化运算的控制，而GPU重点处理数据密集型的并行计算程序。

发明内容