基于CUDA的連續(xù)最大流醫(yī)學影像分割算法研究.pdf

1、近些年，隨著醫(yī)學自動診斷技術的需求不斷增加，醫(yī)學影像處理技術正在蓬勃的發(fā)展。醫(yī)學影像分割技術作為醫(yī)學影像處理技術的基礎受到了廣泛的關注。其中，最值得關注的就是算法的準確性和時效性。目前，醫(yī)學影像分割技術的準確性已經(jīng)得以保障，而分割算法的時效性成為一個重要的研究方向。本文采用通用計算圖形處理器(General Purpose Graphics ProcessingUnit，GPGPU)技術優(yōu)化基于乘子的連續(xù)最大流來提升醫(yī)學影像分割算法的時

2、效性。
　　本文從NVIDIA公司的統(tǒng)一計算設備架構(Compute Unified DeviceArchitecture，CUDA)入手，探究其硬件架構、軟件架構和存儲器架構的工作原理和工作方式，以及該架構下的編程模型及其優(yōu)勢。通過圖理論和網(wǎng)絡流理論來構建s-t網(wǎng)絡并建立了連續(xù)最大流的模型，引入拉格朗日乘子從而得到基于乘子的連續(xù)最大流算法。為了增強基于乘子的連續(xù)最大流算法的時效性，本文提出了基于CUDA的連續(xù)最大流醫(yī)學影像分割算

3、法，即將原串行分割算法更改為基于CUDA的并行分割算法。給出了本文提出算法的線程分配和核函數(shù)設計等技術方案，并采用歸約算法來優(yōu)化主機內(nèi)存與設備端內(nèi)存之間的數(shù)據(jù)傳輸問題，進一步優(yōu)化了本文算法的處理能力。針對本文提出的算法，在MATLAB平臺下采用4組不同分辨率的153幅腎臟圖像進行了仿真實驗。
　　在采用不同分辨率的腎臟圖像作為待分割圖像，并在不影響分割精度的前提下，其實驗結果表明，基于CUDA的連續(xù)最大流算法的時效性遠遠優(yōu)越于傳統(tǒng)