CLAIRE：一种用于约束大变形微分同胚图像配准的分布式内存求解器

通过本工作，我们发布 CLAIRE，这是一种用于三维约束大变形微分同胚图像配准问题的有效求解器的分布式内存实现。我们考虑一种最优控制形式。我们反演一个参数化形变映射的平稳速度场。我们的求解器基于一种全局化、预条件、不精确约化空间 Gauss--Newton--Krylov 格式。我们利用科学计算中的前沿技术开发了可在高端集群上扩展至数千个分布式内存节点的有效求解器。我们给出该形式，讨论算法特性，描述软件包，并引入一种用于约化空间 Hessian 的改进预条件子以加速求解器收敛。我们在合成与真实数据上测试配准性能。我们在多个神经影像数据集上展示配准精度。我们将我们的格式与不同变体的 Demons 微分同胚图像配准算法进行比较。我们研究预条件子及整体算法的收敛性。我们报告在先进超级计算平台上的可扩展性结果。我们证明，在配备 20 核的标准计算节点上，我们能在两到四分钟内求解临床相关数据规模的配准问题，并获得极佳的数据保真度。通过本工作，与之前的工作相比，我们实现了（平均）5$\times$ 的加速，峰值性能达 17$\times$。