论文部分内容阅读
磁共振成像(Magnetic Resonance Imaging,MRI)是一种无电离辐射的医学影像检查技术,被广泛应用于临床诊断的各个场景。近些年来,MRI领域有着诸多进展与突破。各种新的成像方法,如正对比磁共振成像、心脏电影成像等,被相续提出,进一步推动了MRI在临床医学中的应用。然而,这些先进的成像方法往往需要一些复杂的迭代重建算法来从采集信号中恢复出磁共振图像。而另一方面,并行成像等快速磁共振成像方法的广泛应用,使得多通道线圈方法采集的数据集变大。结果造成了庞大的数据集和复杂的重建算法,使得整个重建任务计算量变大,重建计算变得更加耗费时间。现代图形处理器(Graphic Processing Unit,GPU)拥有多核多线程的特性,其计算力和带宽都明显超过用于处理一般任务的中央处理器。GPU的这些特性使得其特别适合处理那些可以被表达成数据并行的计算任务。本文基于GPU的这些特性,提出了一种多层次并行化的磁共振图像重建方法,以减少图像重建所需的时间,应付临床医学中越来越迫切的能快速看到磁共振图像这一需求。该方法是基于英伟达公司(NVIDIA Corporation)提供的统一设备计算平台(Compute Unified Device Architecture,CUDA),充分利用了磁共振图像重建中大量数据可以重复计算的特点,在GPU上同时实现了多个层次的并行化。具体而言,该方法先基于GPU的多线程特性,将磁共振图像重建计算中的矩阵向量运算并行化;然后再基于动态并行技术,将空间维度上的多个矩阵或向量的重建实现任务级的并行化;更进一步,基于多GPU将三维图像重建等更高层次的运算进行并行化。本文在Wave-CAIPI数据集和正对比磁共振数据集上对提出的多层次并行化重建方法进行了实验验证。采用了5个大小不同的数据集的实验结果表明:本文提出的方法在不降低重建图像质量的情况下,能显著减少磁共振图像重建所需的时间。与传统的中央处理器(Central Processing Unit,CPU)重建图像的方法相比,本文所提出的在GPU上实现的方法比在CPU上实现要快6-15倍。