基于高性能计算的体绘制算法的设计与实现

论文摘要

医学影像处理已是现代医学辅助诊断中不可或缺的技术。医学影像处理包括许多方面,其中医学影像三维可视化技术是其中一个非常重要的方向。医学影像三维可视化是涉及计算机技术、图像处理和生物医学等多领域的技术。近年来,医学影像可视化技术在辅助诊断、手术模拟仿真、放射治疗和医学教学等方面都起着举足轻重的作用。然而医学影像可视化技术面临众多技术难题,使其难以广泛的在实际应用中发挥作用。首先,它对计算量的需求十分巨大,满足它的计算需求十分困难；最后,它对实时性有着比较高的要求。而高性能计算技术非常适合解决数据量大、计算量需求巨大、具有较高实时性要求的问题。目前主要实现高性能计算的方式包括使用高性能计算机进行大规模并行计算、利用集群系统实现高性能并行计算、使用特殊的软硬件设备实现高性能计算。本文将重点论述和使用四种高性能计算方式,最基本的是利用多核多线程并行计算；以及利用MPI组建小型集群实现高性能并行计算；另一种使用CUDA(Compute Unified Device Architecture)技术,利用GPU(Graphic Processing Unit)实现高性能计算；最后是将上述两种方法结合,利用集群中的多个GPU进行高性能计算。本文将重点论述基于高性能计算的光线投射体绘制算法的实现。通过对体绘制算法和高性能计算技术的深入探索和研究,本文将基于上述四种高性能计算技术分别设计并实现高性能体绘制算法,高性能体绘制算法的最终目的是为了在不降低绘制结果质量的前提下提高体绘制算法的运算效率。文中对CUDA技术和MPI并行技术进行了深入的学习和研究。最后,本文将对四种高性能医学影像体绘制算法进行了测试和实验。并对结果进行了对比以及分析,实验证明使用高性能计算技术后的算法在执行效率上取得了较大幅度的提高,且最终的成像质量满足要求,该算法在东软研究院的统一医学资源理解平台中得到应用。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题背景及意义
• 1.2 研究现状与趋势
• 1.2.1 关键技术研究现状
• 1.2.2 现存问题及发展方向
• 1.3 研究内容和论文结构
• 1.3.1 论文内容
• 1.3.2 论文组织结构
• 第2章 相关概念和关键技术
• 2.1 相关概念
• 2.1.1 数据类型与表示
• 2.1.2 数据分类与颜色赋值
• 2.1.3 重采样
• 2.1.4 绘制合成
• 2.2 光线投射体绘制技术
• 2.3 高性能计算技术
• 2.4 本章小结
• 第3章 基于高性能计算的体绘制算法的设计
• 3.1 基于多核多线程的体绘制算法的设计
• 3.2 基于MPI集群的多机体绘制算法的设计
• 3.2.1 MPI并行编程编程技术
• 3.2.2 基于MPI集群的多机体绘制算法的可行性分析
• 3.2.3 基于MPI集群的多机体绘制算法设计
• 3.3 基于CUDA的体绘制算法的设计
• 3.3.1 CUDA关键技术
• 3.3.2 基于CUDA的体绘制算法的可行性分析
• 3.3.3 基于CUDA的体绘制算法的设计
• 3.4 基于多机多GPU的体绘制算法的设计
• 3.4.1 基于多机多GPU体绘制算法的可行性分析
• 3.4.2 基于多机多GPU体绘制算法的设计
• 3.5 本章小结
• 第4章 基于高性能计算的体绘制算法实现与性能分析
• 4.1 基于高性能计算的体绘制算法的实现
• 4.1.1 高性能计算的体绘制算法实验平台的设计
• 4.1.2 高性能计算的体绘制算法实验平台的实现
• 4.2 实验结果与性能对比分析
• 4.3 实验结果成像质量分析
• 4.4 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢