论文部分内容阅读
随着医学影像体数据的不断增大，在保证绘制图像质量的同时，绘制速度已成为阻碍体绘制应用发展的一个重要瓶颈。提升绘制速度可以从改进现有体绘制算法，提升硬件性能和利用并行技术这几方面实现。体绘制算法方面的改进是一种可行方式；硬件方面，现在配置高性能的计算机已经成为可能，但当数据规模大、数据结构复杂时，速率提升的空间还是有限；随着网络技术的高速发展，分布式并行计算得到了越来越广泛的应用，利用并行计算来提升体绘制速率是一种切实可行的方法。MapReduce的核心是将单个大规模数据处理的问题分解成多个小规模的数据处理问题，多个小规模的数据处理问题交由多个计算节点并行处理。本文通过MapReduce计算模式，将传统的单机体绘制算法引入分布式并行计算环境中，通过并行计算方式来提升体绘制速度，实现对海量医学体数据的处理，使其能解决体绘制存在的计算量大、图像生成速度慢等问题。本文的主要工作内容如下：(1)论述了体绘制的相关知识，着重分析了光线投射算法的原理，对当前体绘制面临的一些问题进行了描述，并分析和论述了MapReduce计算模式在改善提升体绘制速度方面的可行性。(2)提出了MapReduce模式下体绘制任务划分方式。传统的单个主机上进行体绘制不涉及到任务的划分，处理的对象是整个体数据场中的数据。MapReduce下的体绘制则需要进行体绘制的任务划分。划分方式是将单个大体数据分成多个小规模的子体数据，多个子体数据交由多个计算节点并行处理。每个计算节点负责属于自己的那部分数据，最后将各个计算节点的绘制结果进行汇总。(3)对光线投射算法提出了相应改进。改进的光线投射算法中，各工作节点间的绘制处理都是并行化的，每个工作节点负责处理子任务对应的体数据切片簇的重采样和图像合成的工作，并将绘制的结果发给主节点。主节点完成各工作节点绘制结果的收集，生成最终的结果图像并显示。(4)设计了MapReduce下虚拟人体绘制系统。使用基于MapReduce计算模型对虚拟人体绘制进行研究，以便加速体绘制速度，并在该系统上对虚拟人体绘制进行相关测试，使用实例进行验证并对结果进行了分析。实验结果表明，MapReduce模式下体绘制在绘制速率方面有着明显的提升效果。