[發(fā)明專利]一種GPU加速CBCT圖像重建方法和裝置

在審

• 申請?zhí)枺?/td>: 201310399126.6
• 申請日: 2013-09-04
• 公開（公告）號: CN104424625A
• 公開（公告）日: 2015-03-18
• 發(fā)明（設計）人: 劉平;陸玉強;朱壇超;李建英;郭煜;秦璟;王平安
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T1/20
• 代理公司: 深圳市科進知識產(chǎn)權代理事務所(普通合伙) 44316
• 代理人: 宋鷹武;沈祖鋒

【技術領域】

本發(fā)明涉及計算機和圖像處理技術，尤其涉及一種采樣不完全投影數(shù)據(jù)下的CBCT圖像重建的方法和裝置。

【背景技術】

基于平板探測器的三維錐束CT具有空間分辨率高、投影數(shù)據(jù)采集時間短、射線利用率高等優(yōu)點，是一種很有發(fā)展空間的新型的CT設備。錐形束CT的三維圖像重建算法一般分為解析類方法和迭代類方法兩大類。其中解析類方法如FBP（Filter?back?projection，濾波反投影）算法，主要是基于傅里葉切片定理來實現(xiàn)，而迭代類方法如ART（Algebraic?Reconstruction?Technique，代數(shù)重建技術）算法和SART（Simultaneous?Algebraic?Reconstruction?Technique，聯(lián)合代數(shù)重建技術）算法，主要是基于線性方程組求解的。

與解析類方法相較，迭代類方法能和特定的成像設備及數(shù)據(jù)采集物理過程的特性相結合，并能利用某些先驗知識，尤其適合于不能獲得完整投影數(shù)據(jù)場合的圖像重建。迭代類重建算法，在投影數(shù)較少，信噪比低的情況下也能重建出質量好的圖像，然而在數(shù)學理論推導上比較復雜，計算量大，算法復雜度高，重建所需時間難以滿足實際應用的需求。在算法的改進方面，美國斯坦福大學的Donoho等【D.Donoho.Compressed?sensing.IEEE?Transactions?on?Information?Theory,2006,52(4):1289-1306】從信號分解和逼近理論提出的壓縮感知理論（compressed?sensing,CS），證明了稀疏信號可以由遠不滿足香農(nóng)/奈奎斯特采樣定理的采樣數(shù)據(jù)精確重建，很多研究者將其與已有的圖像迭代重建算法相結合，用于不完全投影數(shù)據(jù)的圖像重建中。Sidky?EY等人【E.Y.Sidky,C.-M.Kao,X.Pan,Accurate?image?reconstruction?from?few-views?and?limited-angle?data?in?divergent?beam?CT,J.X-Ray?Sci.Technol.2006,14(2):119-139】率先將壓縮傳感理論引入扇束CT中，提出了基于全變分（total?variation,TV)）和凸集投影(Projection?onto?Convex?Sets,POCS)的算法，對局部平滑性很好的圖像有較好的重建效果，接著提出了ASD-POCS(adaptive?steepest?descent-projection?onto?convex?sets)算法【Y.Sidky?Emil,Pan?Xiaochuan,Image?reconstruction?in?circular?cone-beam?computed?tomography?by?constrained?total?variation?minimization,Phys.Med.Biol.2008,53(17):4777-4807.】

近幾年，隨著GPU的性能的進一步提升，其作為通用處理單元的巨大潛力和強大功能在圖像視頻處理、模式識別、流體力學計算、生物計算等領域表現(xiàn)的越來越明顯。三維重建在應用于臨床或工程時，在重建速度、精度等方面都有嚴格要求，而圖形處理器技術正是以追求更加真實、更為實時的3D景物模擬為目標的。三維重建中所使用的數(shù)據(jù)規(guī)模龐大，操作方式簡單，非常符合流數(shù)據(jù)處理對象的特點，這使得基于GPU實現(xiàn)算法加速成為一種適合三維重建特點的硬件加速方法。目前國內外已經(jīng)有許多學者對解析類方法進行了硬件加速的研究，并取得了很好的效果，但由于迭代類算法的結構較為復雜，設計符合圖形硬件的實現(xiàn)方式相對較難，所以對迭代類算法的硬件加速研究較少。本發(fā)明基于CUDA技術，利用GPU硬件加速迭代類三維錐束CT重建中的SART算法，在3秒內，可以利用80幅1282的投影圖像重建1283的體，而且不損失質量，相對于主流的CPU實現(xiàn)了100倍以上的加速效果（VIDIA8800GTX?GPU），相對于Graphics-based方法實現(xiàn)了近3倍的加速效果[Yuqiang?Lu,Weiming?Wang,Shifu?Chen,Yongming?Xie,Jing?Qin,Wai-Man?Pang,Pheng-Ann?Heng,Accelerating?Algebraic?Reconstruction?Using?CUDA-Enabled?GPU,in?preceeding?of?IEEE?conference?on?Computer?Graphics,Imaging?and?Visualization(CGIV09).2009.]。