锥束CT FDK重建算法的GPU并行实现

针对FDK算法重建耗时长的问题,提出了一种基于图形处理器(GPU)的FDK并行加速算法。通过采用合理的线程分配方式,对反投影参数计算过程中与体素无关的中间变量的提取和预计算、对全局存储器访问次数的细致优化等策略,提高FDK算法的执行效率。仿真实验结果表明,在不牺牲重建质量的前提下,完全优化后的FDK并行加速算法重建2563规模的体数据需要0.5 s,重建5123规模的体数据需要2.5 s,这与较新的研究成果相比有很大幅度的提升。

基于FDK算法的锥束CT重建近似算法性能比较

相比通常的扇束和平行束CT重建,锥束CT有诸多优点(如空间分辨率高,扫描速度快等)。近似锥束重建算法理论结构简单,重建速度快,易于实际应用。对新出现的几种近似锥束重建算法作了简单介绍,并利用这些算法对3DShepp-logan模型的仿真模拟对这些算法的特点作了比较和讨论。

基于FDK反投影权重的锥束DSA重建算法

针对锥束数字减影血管造影成像系统(DSA)锥角增大而导致锥束伪影严重的问题,提出了一种基于FDK的反投影权重锥束DSA重建算法.分析了圆扫描轨迹远端伪影的成因,针对短扫描阴影区域导致的Radon空间数据缺失,提出了一种距离变量的反投影权重函数,并将其作为约束条件引入到FDK算法中,实现扫描轨迹远端区域的数据补偿,扩大图像重建区域.应用该算法对无噪声和有噪声的模拟投影数据,及自行研发的锥束DSA的实际扫描数据分别进行了重建试验.结果表明,文中算法较FDK类算法(Parker-FDK)对大锥角投影数据可明显抑制锥角伪影,其归一化均方距离判据和归一化平均绝对距离判据比Parker-FDK均降低了5%.

基于转角增量关系的FDK锥束重建改进算法

单圆形轨迹不能满足锥束投影精确重建的充要条件是经典FDK算法出现锥向衰减伪像的根本原因.通过斜平面转角增量关系的分析,推导出同锥角斜平面间转角及其增量的计算关系,进而得出FDK算法是对同锥角斜平面族上有限视角的投影数据进行重建,并且在滤波反投影重建过程中存在转角关系不匹配问题.针对上述两个问题,提出了一种利用转角及其增量关系对FDK算法进行改进的新方法,改进思路也进一步推广到T-FDK算法中.Shepp-Logan模型的仿真实验结果表明在适中或较大锥角情况下,改进算法显著改善了FDK算法所存在的锥向衰减伪像.

基于FDK框架的锥形束Pseudo-LT优质重建

目前医用CT已由二维扇形束扫描模式成功演变至三维锥形束扫描模式。本文作者从经典的FDK算法框架出发,结合Noo等人提出的二维扇形束超短扫描重建算法,并在本文作者先前工作的基础上,首次将二维Lambda tomography(LT)算法与FDK型算法结合,提出一种新的锥形束Pseudo-LT算法,新算法在回避了成像公式中有关PI线计算的同时,还将关于投影数据的微分运算进行回避,较基于PI线的LT重建有了较大改进,提高了图像重建速度和重建质量。数值实验进一步验证了本文算法的有效性。

FDK算法中一种新的插值方法的研究

在FDK算法的反投影过程中,插值是关键的一步,它直接影响到重建图像的速度和质量。本文针对探测器的结构特点,提出了一种新的插值方法。该方法实现了快速求解射线所经过体素的长度,且考虑到射线与体素中心的距离对加权的影响,从而使得加权值更加精确。实验结果表明,在FDK算法中,这个新的插值方法比传统的插值方法重建出来的图像边缘清晰,且能更好地抑制噪声。

三维锥形束CT成像FDK重建算法发展综述

在各种三维锥束重建算法中,近似算法由于数学形式上简单,实现起来容易,而且在锥角比较小的情况下,能够取得较好的重建效果,所以在实际中有着广泛的应用。在各种基于滤波反投影的近似算法中,FDK类型的算法一直是实际应用中的主流。鉴于FDK方法巨大的实用价值,本文对它的历史和目前的发展,包括标准FDK、推广到任意轨道的G-FDK、以及着眼于提高重建速度或重建精度的其它FDK衍生算法等作了一个回顾和总结,并对实际应用中FDK存在的问题作了进一步的讨论分析,最后对FDK算法理论的发展进行了展望。

锥束CT重建FDK算法的两级并行计算研究

三维锥束CT图像的FDK算法重建由于运算量大,在重建高分辨率的图像时,重建所需时间通常难以满足实际应用的需求,集群并行计算是解决上述问题的常用方法之一。在一个SM P集群系统上,采用M P I和P threads两种模型相结合的方法,通过节点之间的消息传递和节点内部的共享内存,实现了FDK算法的两级并行。

一种基于FDK算法的扁平物体局部重建方法

投影数据有截断的局部重建问题是CT重建领域的一个难点,传统的重建算法会产生严重的截断伪影,最近提出的BPF算法和POCS迭代方法虽然能解决局部重建问题,但是它们的重建效率和并行性都比较差。针对特殊的扁平形状物体的局部重建问题,本文对FDK算法在此类问题上的适用性进行了分析研究。通过数字仿真实验,给出了一个可以比较准确重建扁平物体局部区域的条件,即:局部区域在水平方向上的长度大于该物体在水平方向上长度的1/8,物体厚度小于该物体在水平方向上长度的1/13。数字仿真和真实数据的重建结果证实了在这个条件下FDK算法可以很好地实现扁平物体的局部重建。

基于集群并行及指令优化的FDK重建算法

为提高锥束CT的FDK重建算法在重建高分辨率的图像时的速度,分析2种并行策略及其对应的通信时耗,研究集群并行与SSE指令优化计算相结合的FDK算法,在8个节点的集群系统上进行实现。实验结果表明,采用集群并行加指令优化的方式,可将分辨率为2563的图像的重建速度提高到原来的29倍。

基于变螺距螺旋FDK重建算法的研究

目前广泛应用的锥束螺旋CT主要采用螺旋FDK算法进行图像重建,但为了使算法能更应用于实际,许多学者对标准的螺旋轨迹进行了拓展。本文主要研究了变螺距螺旋扫描轨迹。变螺距螺旋扫描可以提高扫描速度,有更高的时间、空间分辨率。本文详细介绍了变螺距螺旋扫描轨迹,给出了具体的变螺距螺旋扫描轨迹方程。针对图像重建,本文主要从FDK重建算法出发,具体给出了半扫描和全扫描FDK重建公式。仿真结果表明,半扫描FDK重建图像优于全扫描FDK重建,而且半扫描FDK重建的重建时间比全扫描FDK的重建时间更短。

基于CUDA架构的FDK算法的研究

该文研究了一种利用GPU并行架构的CUDA来完成FDK三维图像重建算法的加速。分析了FDK三维图像重建算法的可并行性特点,设计了适合CUDA的并行方法,分别在算法加权、滤波和反投影3个阶段,实现FDK的加速。经过实验验证,该文提出的方法与算法与CPU单独实现图像重建相比,不仅获得了150倍以上的加速效果,并且两种方式完成的重建图像,质量接近,平均误差小于10^(-4)。由此可得出结论,利用GPU的三维锥束CT图像重建能够得到较满意的结果。

探测器倾斜的锥束FDK修正重建算法

在锥束工业CT系统中,通常要求射线源焦点、物体旋转中心、平板探测器中心三点在一条直线上,与平板探测器垂直。由于机械的定位误差,探测器定位后会出现一定角度的倾斜现象,如果直接利用平板探测器倾斜后采集的投影数据进行重建,重建结果将会出现偏离,产生伪影。针对该问题,利用系统标定的方法测得探测器倾斜角度,利用机械校正对其进行粗调,利用提出的基于探测器倾斜的FDK修正算法进行微调,经过两次校正可以有效抑制由于平板探测器倾斜造成的伪影,通过实验验证了该方法的可行性。

一种改进的螺旋锥束FDK算法

针对螺旋锥束CT的图像重建算法,提出一种改进FDK算法,和标准的FDK算法相比,它把冗余权放在滤波后处理,减少了计算工作量。

基于FDK法的三维CT快速计算方法

在三维CT的图像重建过程中,单圆轨迹锥形束扫描是一种常用的方法,其算法普遍采用滤波反投影的形式(FBP)实现。由于滤波可以用FFT快速实现,因此反投影部分占据了计算的主要时间。论文提出同时从四个视角计算插值并作反投影累加,利用三角函数的周期性,减少传统算法中反投影阶段的乘法和正、余弦的计算次数,从而加快计算速度。分析和实验结果表明该方法对减少反投影计算所需的时间是行之有效的。

新型混合滤波器在FDK算法中的应用

目的探讨新型混合滤波器在锥束CT图像重建FDK算法中的应用价值。方法对使用锥束CT图像质量检测模体CatPhan 500获得的投影数据进行FDK算法重建,重建过程中分别应用由R-L滤波器和S-L滤波器组成的传统混合滤波器及R-L滤波器和NEW滤波器组成的新型混合滤波器,比较两种混合滤波器重建图像的质量。结果与传统混合滤波器相比,新型混合滤波器重建图像的对比噪声比及空间均匀性有所提高,且图像噪声有所降低;而两种混合滤波器重建图像的空间分辨率无明显差别。结论 FDK算法中新型混合滤波器在重建图像空间分辨率无明显下降的情况下,提高了对比噪声比及空间均匀性,降低了图像噪声,因此新型混合滤波器的重建效果优于传统混合滤波器。

选择性重排FDK算法及其GPU加速优化

FDK算法是目前三维图像重建的主流算法,但是传统重排FDK算法存在占用内存量较大、重建效率不高的问题,本文提出一种选择性重排FDK算法。根据重排前后投影数据的结构关系,计算出一轮重排所加载的最少锥形束投影,并使用循环队列对有限帧数的投影进行选择性加载,显著降低了重建对内存的消耗。此外,利用新算法较好的并行性,借助图形处理单元(GPU)对算法进行了硬件加速,大大提升算法的执行效率。为验证算法有效性,对5123规模的仿真数据和实际数据进行重建,在不损失重建精度的前提下,新算法占用内存约为传统算法的1/3或1/5。本文算法对传统重排FDK算法进行了改进,有效降低了计算机内存占用,较好地解决了大规模投影数据重建问题。

改进FDK算法的锥形束CT图像重建

FDK算法是三维锥形束重建中最常用的一种算法,本文通过对锥形束重建过程中滤波函数和插值方法的改进,在原有NEW&R-L滤波函数的基础上,通过调整加权系数,不仅减弱了重建过程中的吉布斯效应,而且对高频部分的噪声抑制效果显著.本文通过将NEW滤波函数和S-L滤波函数结合,并调整加权系数,提出了一种对噪声的图像重建敏感的新的混合滤波器NEW&S-L滤波器,该混合滤波器在保持重建图像空间分辨率的同时,可以有效地滤除噪声,提高了重建图像的效果.实验部分首先验证新提出的混合滤波函数对重建的提升效果,然后进一步比较了重建算法中双线性插值和双三次插值对重建效果的影响,最后在含有噪声的图像上验证了重建方法的可靠性.

锥束CT的FDK算法与CUDA实现

计算机层析成像技术,在医学和工业等诸多领域中有着广泛应用。在三维锥束CT图像重建算法中,基于圆形轨道和二维平板探测器的FDK算法最为著名。传统CPU上实现的FDK算法,计算复杂性主要集中在所谓的反投影阶段,占据了整个重建时间的99%。给出了基于CUDA统一计算架构的FDK算法的GPU实现,对于整个重建过程获得了超过百倍的加速。