發(fā)布時(shí)間：2020-12-11 09:28

　　從腦部序列圖像中將腦組織與顱骨、眼球、皮膚、脂肪等組織分離出來(lái)的過(guò)程稱為腦組織提取,是腦部MRI圖像分析的重要處理步驟,在fMRI圖像配準(zhǔn)、腦組織分割、腦容量測(cè)量等方面有重要應(yīng)用�？焖贉�(zhǔn)確的提取腦組織在臨床和研究中有重要應(yīng)用。本文在CUDA并行計(jì)算平臺(tái)提出了一種并行腦組織提取方法,該方法該方法結(jié)合了并行BET算法和并行水平集方法,是一種混合算法。本文主要貢獻(xiàn)有:1、為進(jìn)一步提高并行水平集計(jì)算速度,本文對(duì)水平集演化中起重要作用的符號(hào)距離函數(shù)的并行計(jì)算進(jìn)行了研究,在源點(diǎn)掃描法的基礎(chǔ)上提出了基于法向放射的符號(hào)距離函數(shù)計(jì)算方法。該算法首先采用法向發(fā)射的方法得到圖像中封閉曲線法向方向上的像素點(diǎn)的符號(hào)距離,然后根據(jù)源點(diǎn)掃描算法快速計(jì)算符號(hào)距離函數(shù),減少了圖像遍歷次數(shù)從而提高了計(jì)算效率。本文還在CUDA平臺(tái)上實(shí)現(xiàn)了并行算法,實(shí)驗(yàn)表明并行算法在達(dá)到相同的計(jì)算精度的條件下,計(jì)算效率優(yōu)于速度很快的降維法。2、為實(shí)現(xiàn)快速精確的腦組織提取,本文將并行BET算法和并行水平集算法結(jié)合起來(lái),提出了一個(gè)新的混合并行腦組織提取方法。該方法首先采用并行BET算法對(duì)輸入腦部MRI圖像進(jìn)行腦組織提取得到一個(gè)初步結(jié)果,然后利用... 

【文章來(lái)源】：南昌航空大學(xué)江西省

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

GPU加速計(jì)算

圖 2.2 CPU 與 GPU 性能比較CPU 主要應(yīng)用在處理串行計(jì)算方面，還有任務(wù)需要遵照強(qiáng)烈的邏輯原則范時(shí)，也需要 CPU 來(lái)處理，而任務(wù)設(shè)計(jì)到線程化時(shí)，就需要 GPU 來(lái)通過(guò)并理減少計(jì)算，提高效率。因?yàn)?GPU 本身自帶的存儲(chǔ)器中的設(shè)備是可以支持程并行的。GPU 的硬件簡(jiǎn)單說(shuō)是由三個(gè)關(guān)鍵模塊組成：內(nèi)存（全局共享）、流處簇（SM）、流處理器（SP）。簡(jiǎn)單來(lái)說(shuō)就是一個(gè)流處理器簇的陣列，然后流處理器簇又包含很多個(gè)核。處理器之所以可伸縮、延拓，有一個(gè)很重要的就是一個(gè) GPU 設(shè)備可以由超過(guò)一個(gè)流處理器簇構(gòu)成，因?yàn)橐粋�(gè)設(shè)備它下面的流處理器簇越多，GPU 在固定時(shí)間內(nèi)處理的任務(wù)量也越多，換句話說(shuō)，量的任務(wù)，GPU 完成所需要的時(shí)間更短。所以 CPU 主要負(fù)責(zé)串行計(jì)算，GPU 則是并行計(jì)算。一個(gè)完整的 CUDA由兩個(gè)部分構(gòu)成，一是 host 端程序，還有一個(gè)是 device 端程序，CPU 負(fù)責(zé)host 端程序，GPU 則負(fù)責(zé)執(zhí)行 device 端程序。當(dāng)調(diào)用 CPU 的內(nèi)核函數(shù)時(shí)，

線程塊網(wǎng)格

【參考文獻(xiàn)】：
期刊論文
[1]水平集中符號(hào)距離函數(shù)并行降維計(jì)算[J]. 江少鋒,楊素華,陳震,張聰炫,周旭欣.  中國(guó)圖象圖形學(xué)報(bào). 2018 (02)
[2]基于CUDA架構(gòu)圖像處理并行算法實(shí)驗(yàn)研究[J]. 費(fèi)華英.  銅仁學(xué)院學(xué)報(bào). 2017(06)
[3]序列磁共振顱腦影像的腦組織自動(dòng)提取方法[J]. 賈迪,楊金柱,張一飛,趙大哲,于戈.  儀器儀表學(xué)報(bào). 2011(08)
[4]基于層間先驗(yàn)知識(shí)從腦MRI圖像中自動(dòng)提取腦組織[J]. 韓翀蛟,林相波,馬慧超,李馨.  生物醫(yī)學(xué)工程與臨床. 2011(02)
[5]磁共振顱腦圖像的腦組織自動(dòng)獲取方法[J]. 稅午陽(yáng),周明全,耿國(guó)華.  軟件學(xué)報(bào). 2009(05)
[6]基于曲線推進(jìn)的符號(hào)距離函數(shù)生成方法[J]. 張博,蘇永利,張書(shū)玲.  西北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(05)
[7]基于Mumford-Shah模型的快速水平集圖像分割方法[J]. 李俊,楊新,施鵬飛.  計(jì)算機(jī)學(xué)報(bào). 2002(11)



本文編號(hào)：2910294