【毕业学位论文】（Word原稿）医学图像的应用分析和加速研究-医学影像

医学图像的应用分析和加速研究 医学图像的应用分析和加速研究 摘要 随着科技的进步，多学科交叉和融合已成为现代科学发展的突出特色和重要途径。近年来随着数字成像技术、计算机技术和网络技术的进步而迅速发展起来的医学图像相关应用已经越来越普及。 现代医疗设备的先后出现，使得传统的医疗诊断方式也发生了翻天覆地的变化。近 20 多年以来，医学图 像已经成为医学技术中发展最快的领域之一。 自超声波等医学图像设备问世后，当人体各组织器官有病变状况下，诊断者再也无需特意对病患进行人体解剖来确认病变处，仅需通过特定仪器所产生的影响来进行分析 诊断。 以往在使用这些技术时，不仅诊断时间过长且无效率可言，更容易导致错误治疗等。而如今，三维图像重建技术已经越来越成熟，带给人们更好的真实立体感受，提供了任意角度的观察，能够帮助相关人员更好地观察判断，但也带来更大的计算量。 但是目前的医学图像应用软件在三维图像重建处理速度方面不尽如人意，导致医生不能实时获得相关数据，对于病灶的诊断有很大的延误。 因此我们需要对医学图像三维重建应用进行优化，提高该类软件的处理速度，使其可用性提高。这种优化需要硬件的支持。 近几年，云计算正在日渐普及和日趋强大。多核技术和一些硬件 的飞速发展为程序性能和效率的提高提供了基础。程序的并行性已经成为一种趋势。针对程序并行性的研究不但可以利用当前的并行硬件对应用进行优化加速，还可以为今后针对该类应用的体系结构设计提供了参考。目前医学图像应用在多种硬件平台，包括 及 硬件平台上的加速研究已经成为研究热点问题。 因此，本课题对目前的医学图像应用进行特征分析，包括其并行性和存储特性，并结合分析结果，对程序进行了优化。 本课题首先研究目前主流的医学图像重建算法，主要分为解析法和迭代法。 解析法主要使用于 像的三维 重建， 常用方法为滤波反投影（ 其中滤波反投影法最常用的是 法。迭代法更适用于 重建， 其中的 法使用的最为普遍，主要是 法。因为本课题主要是针对这两个算法做优化研究，因此详细介绍了这两个算法。 法主要分为四部，即 投影、投影校正、反投影和图像校正，并不断的迭代修正，直到得到的结果符合一定的阈值。而 法是在 法的基础上做了优化，将原始数据分成若干个子集，使原始数据能更多次的得到修正更新，得到的图像更加准确。虽然 法比 法快了很多 ，但 今仍缺少理论论证，因此我们在实验中选取了 法。 本课题选取的医学图像是 。 称是正电子发射型计算机断层显像，是核医学领域比较先进的临床检查影像技术。 其 大致方法 是，将某种物质，一般是生物生命代谢中必须的物质注入人体后，通过对于该物质在代谢中的聚集，来反映生命代谢活动的情况，从而达到诊断的目的。它是在 基础上发展而来的。 具了 核医学的两种优势，而 在 础上的一个进步 ，探测效率比 数十倍左右，准确性较 得多，甚至可以深入细胞水平和分子水平，起到生物显微镜的作用。 具体的医学图像三维重建应用 选取了 为研究对象， 是对 据进行图像重建的应用程序，该程序可用内选的多种算法来进行重建，在此主要关注 法，对其 医学图像的应用分析和加速研究 指令和原始版本运行时间进行了分析和测试。 测试环境为两台四核机器，一台为 开启了超线程，一台为 具体的优化中尝试了两种优化方式 中并行优化尝试了不同粒度的并行，但多少存在子线程的同步问题。核之间传输数 据的开销也需要被谨慎考虑，以此来决定合适的并行度。发现 的 4 个线程的结果远优于 的结果，因此分析了两种 构造，发现是 的 少了核之间传输的代价，提高了性能。流水线优化就是实现了软件流水，将原始版本分为若干个阶段，前一阶段做的结果放入缓冲区中，后一阶段直接从缓冲区中取数值，如此来进行流水的优化。流水并不存在同步问题，只需测试合适的缓冲区大小，得到可以使前后阶段读写平衡的缓冲区大小。 流水线优化的测试结果非常令人满意，两级流水就可以带来两倍的加速，由此可以想象多级流水必然可 以带来更多的加速。 此外还实现了将并行和流水合并起来的版本，此处需仔细考虑同步和读写锁的实现问题。 并行和流水线的综合版本，也取得了较满意的结果。 另外，还对重建前的预处理阶段进行了简单的并行优化，因为预处理阶段子线程之间不存在同步问题，因此并行可以得到很好的优化效果。最后发现在 的结果和预期的比较符合，而 的结果不太稳定。另外，我们采用了两种编译器， 于矩阵运算较多，因此在并行的时候， 来了比 多的加速。 从本次实验得到了一些结论。首先，要选择适合并行的算法来进行并行优 化，以免子线程之间的同步和核之间的通信问题成为瓶颈。其次，要综合考虑计算量和通信成本来定制并行的规模。要切实考虑具体的硬件，根据核的数量、核所带缓存大小、公共缓存大小等数据来定制并行规模。最后，就是要控制通信成本，充分利用缓存等资源来减少和内存乃至硬盘的数据交互。 关键词： 图像重建 ， 行 , 流水线 on of of of of of of 0 of of in of no to on to to of In of a is 医学图像的应用分析和加速研究 at s it to a of to to it in is to a be to in we to of to of is of a of it of a of to of a in a of as of a is in T in DK is ET in M is is in is to a on so be to a is it is of So we in in is It is an in is to a is to of in to of so as to of It is on of T ET is a It a It a as We as is an 医学图像的应用分析和加速研究 is a of be We to is i7 6600. In we In we a of of of be to of on i7 is 6600. So we of PU 3 on i7 of is to a is of is a so as to in We to of is 2a . So we a a In we an of in of be of of is s we do a on is no in a a we on i7 is in 6600 is In we As so is a in We we an in to of of be a we a of to of We to to of of s of to At we to of to 医学图像的应用分析和加速研究 目 录 第一章 概述 . 6 目背景 . 6 究对象 . 6 文主要工作 . 7 第二章 图像重建算法简介 . 7 像重建算法简介 . 7 析法 . 8 代法 . 9 法 . 9 法 . 10 光子发射计算机断层显像简介 . 11 像原理简介 . 12 建算法简介 . 14 章小结 . 16 第三章 优化可行性分析 . 17 介 . 17 并行优化 . 19 水线优化 . 20 行和流水合并优化 . 20 预处理的优化 . 21 章小结 . 21 第四章 实验结果 . 21 试环境 . 21 行优化结果 . 22 水优化结果 . 24 合并行和流水的 优化结果 . 26 处理部分的优化结果 . 27 章小结 . 28 第五章 总结与展望 . 28 参考文献 . 30 医学图像的应用分析和加速研究 第一章 概述 随着科技的进步，多学科交叉和融合已成为现代科学发展的突出特色和重要途径。近年来随着数字成像技术、计算机技术和网络技术的进步而迅速发展起来的医学图像相关应用已经越来越普及。 同时，三维可视化技术作为一种新兴技术也正在被不断应用到各个领域。 现代医疗设备的先后出现，使得传统的医疗诊断方 式也发生了翻天覆地的变化。 自超声波等医学图像设备问世后，当人体各组织器官有病变状况下，诊断者再也无需特意对病患进行人体解剖来确认病变处，仅需通过特定仪器所产生的影响来进行分析诊断。 近 20 多年以来，医学图 像已经成为医学技术中发展最快的领域之一。 目背景 医学三维图像重建作为医学图像的一个重要方面迅速发展起来。 图像重建，简单地来说，就是将通过某种方式扫描后探测到的切片数据，进行计算整合后，重新构造出原物体图像的过程。由于重建后的图像可以比较好地反映物体内部的构造和材质等，因此，图像重建技术已广泛地应用 于工业、医学等各领域。 在临床医学上，利用三维重建技术，可以将一系列二维断层图像重建成三维形体，给医生提供一个直观的、精确的模型。利用三维重建技术，医生可以准确的获得病变位置的大小、体积等信息，并可以进行模拟手术，提高手术的成功率和完成质量。因此，医学图像的三维重建技术无论在临床还是在理论研究领域都具有重要的意义 1。 医学图像三维重建技术最早可以追溯到 20 世纪 70 年代初，那时刚发明了医用 描机， u 和 人于 1970 年在 核科学分册发表了从体素的角度研究医学图像三维重 建问题。此后，该领域得到很快的发展。然后，由于医学影像设备昂贵等客观原因，国内在医学图像三维可视化方面起步较晚也相对落后，到 20 世纪 90 年代才开始在有些高校开展了各种层次上的研究。 2 以往诊断者在进行相关病情诊断情况下，往往会因为设备所产生的图像数目过多必须逐一进行判断，不仅导致诊断时间过长且无效率可言，更必须针对这一些图像进行初步想象来确定病因。若设备所产生图像无法精确勾勒出完整图像状况下，将会造成诊断者诊断上误判，导致错误治疗等。 如今，三维图像重建技术已经越来越成熟，相比于二维图像的重建，三维图像重 建给了人们更好的真实立体感受，提供了任意角度的观察，能够帮助相关人员更好地观察判断，但也带来更大的计算量。 但是目前的医学图像应用软件在三维图像重建处理速度方面不尽如人意，导致医生不能实时获得相关数据，对于病灶的诊断有很大的延误。 近几年，云计算正在日渐普及和日趋强大。多核技术和一些硬件的飞速发展为程序性能和效率的提高提供了基础。程序的并行性已经成为一种趋势。针对程序并行性的研究不但可以利用当前的并行硬件对应用进行优化加速，还可以为今后针对该类应用的体系结构设计提供了参考。目前医学图像应用在多种硬件平台，包括 及 硬件平台上的加速研究已经成为研究热点问题。 研究在普通 的多核并行情况，也可以为今后在其他多核处理器，例如 上的最优运行提供参考。 究对象 三维医学图像目前主要针对 此我们选择重建效果更优的 医学图像的应用分析和加速研究 像作为研究对象。目前 图像重建算法主要分为解析法和迭代法。 代法的主要具体算法有 代数重建算法（ 联合迭代重建算法（ 基于统计理论的 法以及相应的改进算法，其中以 算法就是 1982年由贝尔实验室（ 数学家 3。虽然 由于收敛速度慢，所需的迭代次数也相对的变多，造成计算时间长。 因此选择 究可能的加速优化方法。 文主要工作 第二部分主要介绍了 成像原理和 要重建算法。第三部分 提供了几种可能的优化方案，并在第四部分在多核机器上进行了实现，记录了实验结果进行比较。第五部分进行了总结，对整体研究进行回顾和讨论。 第二章 图像重建算法简介 像 重建算法简介 图像重建主要分为解析法和迭代法。 4 解析法的 理论基础为 换理论。依据是否能够重建三维完备 的 据，解析重建又进一步可以分为精确和近似两类算法。具有代表性的三维解析算法有 法， 法， 法， 法以及相应的改进算法等，其中具有滤波反投影结构的重建算法（如 重建速度快、重建图像质量高，对完全投影数据能获得很好的重建质量，因此目前商用统中广泛采用解析法，但其最大的缺点是对投影数据的完备性要求较高。 迭代法是将图像重建 问题转化为求解反映重建图像各体素值和投影之间关系的代数方程组。迭代重建的概念首先由 人于 1970 年引入图像重建领域。后来， 证明迭代重建法是以 “估计理论 ”作为其坚实的数学基础的。具有代表性的迭代算法有代数重建算法（ 联合迭代重建算法（ 基于统计理论的 法以及相应的改进算法，其中以 法和 法最为普遍。 这两种算法各有优缺点。解析法更早地被应用于各种图像重建领域里，但是重建图像质量较好的迭代法现在也越来越收到重视，甚至有要代替解析法算法的趋势。迭代法较之解析法算法的话，优势在于它可根据具体成像条件引入与空间几何有关的或与测量值大小有关的约束和条件因子。它对于噪声来说不是那么敏感，而且对于采样不充分的情况下也能成质量比较好的图像。相反地，解析法在噪声较大或采样不充分时，成像效果不甚理想，尤其对小尺寸源的成像效果 差。但是迭代法的最大的缺点就在于计算代价大，所需内存空间大，要求更多的计算机资源，重建实时性较差，这已成为迭代算法发展的瓶颈，一直制约着迭代算法的实用化， 但也因此可以看到对迭代法运算速度做优化的价值。 滤波反投影（ 传统上最普遍的图像重建算法，然而 要是因为缺乏截取资料的正确统计模型，在图像上会产生明显的放射状噪声 5，如图 1所示。 因此本文将着重介绍图像重建的迭代算法。 医学图像的应用分析和加速研究 图 2用不同图像重建算法得到的结 果：（ a）滤波反投影法（ b）迭代法 析法 从放射光线的种类上来说主要是锥形光束（也有平行光束），因此我们主要关注的是锥形束的 这属于解析法。其中滤波反投影法最常用的是 该算法大致分成三个步骤： 1） 滤波前加权 2） 对加权后的数据进行滤波 3） 加权反投影 所谓反投影，就是由探测到的 数据反过来重建图像的过程。但利用的单纯的反投影方法重建出来的图像质量差，有星状伪迹，存在模糊失真。针对反投影法的这一缺点，产生了滤波反投影法，即在进行反投影前对探测器收集的数据先进行滤波（即和一个滤波函数合成），而滤波的功能就是消除边缘的模糊干扰。此处加权和滤波两个步骤在一些 一部分几乎不占什么时间，故研究范围应该主要是反投影。 图 2为 6 医学图像的应用分析和加速研究 图 2这里最右边的 w*左边的 (,放射源的坐标也 是探测器的坐标。放射源位于该坐标的原点。中间坐标系（ v,被测物体的坐标系，原点是被测物体的中心。放射源会随着一个圆形轨道移动，探测器平面始终和放射光源的中心光线垂直，因此也会随着放射源一起做相应的转动。一开始设定好被测物体的坐标轴，如上图的 (v,那么转动后中心射线就会与物体的坐标轴有一个夹角，即放射角度。 对每一个放射角度 ，对这个角度下每一个点（ xv,yv,可以计算出它对应的在探测器上的 (x,标以及这个角度下的该投影数据的权重： (v,)-y v,)*(y v,)-x v,) （ 1） (v,)-y v,)*z v （ 2） W(x, y, ) = (v,)-y v,)2 （ 3） 对于最后重建图像的 每一个点的强度 M（ xv,yv,说： M（ xv,yv,= I()*W() （ 4） 这里的 I()是根据 (坐标从投影探测到的数据中取得的结果。可以看到，有在中心平面和 ( of ， （ in 。图 3是 图 2代法 上面提到的迭代法中的 法在 像重建中使用的最为普遍，主要是 大似然重建）算法和 序子集期望值最大化）算法。 法 贝尔实验室 的数学家 1982 年提出 的迭代图 像重建法，其重建的 医学图像的应用分析和加速研究 关系式如公式（ 5）： (5) 假设要重建的图像共有 N 个像素点，系统中共有 M 组探测环。则 为重建图像的像素点 j 在第 k 次迭代的评估值； 表示系统对从像素点j 所发射的光子对被第 i 组探测环接受的几率； 为第 i 对探测环收集的正弦图资料。 表示单一像素点所 发出的所有信息被所有探测环所接受到的几率，在最理想的接收状况下将全部接收，则此值为