[发明专利]基于CUDA架构的GPU加速锥束CT图像重建的方法

摘要

本发明涉及一种基于CUDA架构的GPU加速锥束CT图像重建的方法；具体为：在CUDA编程模型中，采用GPU进行锥束CT图像重建算法的运算，锥束CT图像重建采用FDK算法，构建CPU和GPU协作的CPU-GPU异构计算模式，将算法划分为M个子任务，每个子任务的结构包括两个部分：数据和在数据上施加的运算，根据各个子任务的特点将其调度到不同的硬件上执行，子任务分为串行子任务和并行子任务，其中，CPU负责子任务的调度和串行子任务的执行，GPU负责并行子任务的执行，CPU与GPU之间通过PCI-E总线进行通信；本发明提供了一种计算速度快的基于CUDA架构的GPU加速锥束CT图像重建的方法。

主权项

一种基于CUDA架构的GPU加速锥束CT图像重建的方法，在CUDA编程模型中，采用GPU进行锥束CT图像重建算法的运算，锥束CT图像重建算法采用FDK算法，其特征是：构建CPU和GPU协作的CPU‑GPU异构计算模式，CPU被称为主机，GPU被称为设备；在CPU‑GPU异构计算模式中，利用GPU进行锥束CT图像重建算法的运算时，将算法划分为M个子任务，M为大于等于1的自然数，每个子任务的结构包括两个部分：数据和在数据上施加的运算，根据各个子任务的特点将其调度到不同的硬件上执行，子任务分为串行子任务和并行子任务，其中，CPU负责子任务的调度和串行子任务的执行，GPU负责并行子任务的执行，CPU与GPU之间通过PCI‑E总线进行通信；FDK算法中含有加权步骤和滤波步骤，采用下列方式对加权步骤和滤波步骤进行加速：加权步骤选择在CPU或GPU中完成；利用CUDA编程模型中自带的CUFFT库对投影数据做频域滤波，滤波时还利用了FFT函数能够同时处理一批一维傅里叶变换的特性，并且根据复数FFT变换的特点，一次对投影数据的两行做滤波；对FDK算法中反投影部分的加速有以下列三个策略：策略1、线程分配方式的优化；策略2、通过使用常数存储器存储计算反投影参数时的中间量，减少GPU的重复计算量；策略3、通过优化一个内核函数中反投影的张数，减少访问全局存储器的次数。