GPU 上加速 B 样条插值：在医学图像配准中的应用
分布式、并行与集群计算
2020-04-20 v2 图像与视频处理
摘要
背景与目的。B 样条插值 (BSI) 因其在 3D 物体建模中的适应性和鲁棒性，是医学影像领域中一种流行的技术。利用 BSI 的一个领域是图像引导手术 (IGS)。IGS 利用医学图像进行导航，这些图像可被分割并重建为 3D 模型，通常通过 BSI 实现。图像配准任务也使用 BSI 将术前数据对齐到术中数据。然而，由于所涉及数据的复杂性和体量，此类 IGS 任务计算需求高，尤其在应用于 3D 医学图像时。因此，IGS 算法的优化非常必要，例如以实现术中图像配准并支持实时应用。传统 CPU 不具备足够算力来实现这些目标。本文中，我们引入一种新颖的 GPU 版 BSI 实现，以加速非刚性图像配准算法中形变场的计算。方法。我们在 GPU 上的 BSI 实现最小化了加载输入网格期间内存与处理核心间需传输的数据，并利用大型片上 GPU 寄存器文件来复用输入值。此外，我们将方法重新表述为三线性插值，以降低计算复杂度并提高精度。为提供方法的临床前验证并展示其在医学应用中的优势，我们将改进的 BSI 集成到用于补偿肝脏形变（由气腹即腹部充气引起）的配准工作流中并评估其性能。结果。与三种最先进的 GPU 实现相比，我们的方法将 BSI 性能平均提升 6.5 倍，插值精度提升 2 倍。我们观察到非刚性图像配准最高加速 34%。
引用
@article{arxiv.2004.05962,
title = {Accelerating B-spline Interpolation on GPUs: Application to Medical Image Registration},
author = {Orestis Zachariadis and Andrea Teatini and Nitin Satpute and Juan Gómez-Luna and Onur Mutlu and Ole Jakob Elle and Joaquín Olivares},
journal= {arXiv preprint arXiv:2004.05962},
year = {2020}
}
备注
Accepted in CMPB