一种gpu加速cbct图像重建方法和装置制造方法
【专利摘要】本发明公开了一种GPU加速CBCT图像重建方法，包括以下步骤：读取投影数据，在GPU中采用SART算法作为逼近项，更新重建得到的体；采用自适应梯度下降的方法，使所述重建得到的体的全变差最小化；重复上述步骤，迭代N次，直至算法收敛。本发明将图像全变差最小化优化准则和SART算法相结合，不仅改善了单纯用SART算法重建的图像的质量，还可以用更少的投影数据来重建图像，从而减少成像过程中的X射线对人体的辐射，降低治病风险，同时采用GPU硬件对所提出的算法设计并行算法，有效的减少了迭代图像重建的时间。
【专利说明】-种GPU加速CBCT图像重建方法和装置 【【技术领域】】
[0001] 本发明涉及计算机和图像处理技术，尤其涉及一种采样不完全投影数据下的CBCT 图像重建的方法和装置。 【【背景技术】】
[0002] 基于平板探测器的三维锥束CT具有空间分辨率高、投影数据采集时间短、射线利 用率高等优点，是一种很有发展空间的新型的CT设备。锥形束CT的三维图像重建算法一般 分为解析类方法和迭代类方法两大类。其中解析类方法如FBP(Filter back projection, 滤波反投影）算法，主要是基于傅里叶切片定理来实现，而迭代类方法如ART (Algebraic Reconstruction Technique，代数重建技术）算法和 SART (Simultaneous Algebraic Reconstruction Technique,联合代数重建技术）算法，主要是基于线性方程组求解的。
[0003] 与解析类方法相较，迭代类方法能和特定的成像设备及数据采集物理过程的特 性相结合，并能利用某些先验知识，尤其适合于不能获得完整投影数据场合的图像重建。 迭代类重建算法，在投影数较少，信噪比低的情况下也能重建出质量好的图像，然而在数 学理论推导上比较复杂，计算量大，算法复杂度高，重建所需时间难以满足实际应用的需 求。在算法的改进方面，美国斯坦福大学的Donoho等【D. Donoho. Compressed sensing. IEEE Transactions on Information Theory, 2006, 52(4) :1289_1306】从信号分解和逼 近理论提出的压缩感知理论（compressed sensing, CS),证明了稀疏信号可以由远不满 足香农/奈奎斯特采样定理的采样数据精确重建，很多研究者将其与已有的图像迭代重 建算法相结合，用于不完全投影数据的图像重建中。Sidky EY等人【E.Y.Sidky，C.-M. Kao, X. Pan, Accurate image reconstruction from few-views and limited-angle data in divergent beam CT，J. X-Ray Sci.Technol. 2006, 14 (2) :119-139】率先将压缩传感理 论引入扇束CT中，提出了基于全变分（total variation, TV))和凸集投影（Projection onto Convex Sets, P0CS)的算法，对局部平滑性很好的图像有较好的重建效果，接着 提出了 ASD-P0CS (adaptive steepest descent-projection onto convex sets)算 法【Y.Sidky Emil, Pan Xiaochuan,Image reconstruction in circular cone-beam computed tomography by constrained total variation minimization, Phys. Med. Biol. 2008, 53(17) :4777-4807.】
[0004] 近几年，随着GPU的性能的进一步提升，其作为通用处理单元的巨大潜力和强大 功能在图像视频处理、模式识别、流体力学计算、生物计算等领域表现的越来越明显。三 维重建在应用于临床或工程时，在重建速度、精度等方面都有严格要求，而图形处理器技 术正是以追求更加真实、更为实时的3D景物模拟为目标的。三维重建中所使用的数据规 模庞大，操作方式简单，非常符合流数据处理对象的特点，这使得基于GPU实现算法加速 成为一种适合三维重建特点的硬件加速方法。目前国内外已经有许多学者对解析类方法 进行了硬件加速的研究，并取得了很好的效果，但由于迭代类算法的结构较为复杂，设计 符合图形硬件的实现方式相对较难，所以对迭代类算法的硬件加速研究较少。本发明基 于CUDA技术，利用GPU硬件加速迭代类三维锥束CT重建中的SART算法，在3秒内，可以 利用80幅1282的投影图像重建1283的体，而且不损失质量，相对于主流的CPU实现了 100倍以上的加速效果（VIDIA8800GTX GPU)，相对于Graphics-based方法实现了近3倍 的力口速效果[Yuqiang Lu, Weiming Wang, Shifu Chen, Yongming Xie, Jing Qin, Wai-Man Pang, Pheng-Ann Heng, Accelerating Algebraic Reconstruction Using CUDA-Enabled GPU,in preceeding of IEEE conference on Computer Graphics, Imaging and Visualization(CGIV09) · 2009.]。
[0005] 传统的解析图像重建算法当受到噪声影响或者不完全投影数据情形下无法得到 满意的结果。迭代图像重建算法如SART算法，虽然可以获得比解析法更好的重建结果，然 而仍然不能满足实际的要求。而且迭代图像重建算法需要多次迭代，每次都要对大量的数 据进行正投影和反投影计算，因而重建速度较慢。 【
【发明内容】
】
[0006] 针对现有的迭代图像重建算法需要多次迭代，每次都要对大量的数据进行正投影 和反投影计算，因而重建速度较慢，本发明实施例提供一种GPU加速CBCT图像重建方法，不 仅改善了单纯用SART算法重建的图像的质量，还可以用更少的投影数据来重建图像，从而 减少成像过程中的X射线对人体的辐射，降低治病风险，同时采用GPU硬件对所提出的算法 设计并行算法，有效的减少了迭代图像重建的时间。
[0007] 为达到上述目的，本发明解决其技术问题所采用的技术方案是，所述的一种GPU 加速CBCT图像重建方法，包括以下步骤：
[0008] 步骤（1)，读取投影数据，在GPU中采用SART算法作为逼近项，更新重建得到的 体；
[0009] 步骤（2)，采用自适应梯度下降的方法，使所述重建得到的体的全变差最小化；
[0010] 重复步骤（1)和步骤（2)，迭代N次，直至算法收敛，其中，所述N为大于一的自然 数。
[0011] 具体的，所述步骤（1)还包括以下步骤：
[0012] (10):当所述重建得到的体的每个投影角度的投影数据由m*m个象素组成时，启动 m*m个并行的独立线程，每一个所述独立线程对穿过所述投影角度的一条光线，进行如下计 算，其中，m为自然数：
[0013] (101):在探测器平面上计算所述投影角度的模拟投影数据；
[0014] (102):根据真实投影数据与所述每个投影角度的模拟投影数据，计算投影误差， 得到修正影像；
[0015] 具体的，按如下公式计算投影误差：
【权利要求】
1. 一种GPU加速CBCT图像重建方法，其特征在于，包括W下步骤： (1) :读取投影数据，在GPU中采用SART算法作为逼近项，更新重建得到的体； (2) ;采用自适应梯度下降的方法，使所述重建得到的体的全变差最小化； (3) ;重复步骤（1)和步骤（2)，迭代N次，直至算法收敛，其中，所述N为大于一的自然 数。
2. 如权利要求1所述的GPU加速CBCT图像重建方法，其特征在于，所述步骤（1)还包 括W下步骤： (10) ;当所述重建得到的体的每个投影角度的投影数据由m*m个象素组成时，启动m*m 个并行的独立线程，每一个所述独立线程对穿过所述投影角度的一条光线，进行如下计算， 其中，m为自然数： (101) ;在探测器平面上计算所述投影角度的模拟投影数据； (102) ;根据真实投影数据与所述每个投影角度的模拟投影数据，计算投影误差，得到 修正影像； (11) ;当所述重建得到的体的大小为n*n*n个体素时，启动n*n*n个并行的独立线程， 每一个所述独立线程对所述重建得到的体数据中的一个体素，进行如下计算，其中，n为自 然数： (111) ;将所述投影误差依照计算得到的权重值，反投到所述重建得到的体的各个体素 上，生成更新数据； (112) ;更新整个所述重建得到的体； (12) ;重复步骤（10)和步骤（11)，直至遍历用于所述重建的所有投影角度。
3. 如权利要求1或2所述的GPU加速CBCT图像重建方法，其特征在于，所述步骤（2) 还包括W下步骤： (21);启动n*n*n个并行的独立线程，每一个所述独立线程计算所述重建得到的体数据 的全变分图像中的一个体素的近似偏导，计算公式如下：
其中，为所述重建得到的体数据中的一个体素，S为一个避免除零的极小的正数。
4. 如权利要求3所述的GPU加速CBCT图像重建方法，其特征在于，所述步骤（2)还包 括W下步骤： (20);计算所述重建得到的体数据中的任一个体素的梯度，计算公式如下：
其中，X，y，z为Vy，y，，的H维索引。
5. 如权利要求4所述的GPU加速CBCT图像重建方法，其特征在于，I为10的负8次 方。
6. 如权利要求2所述的GPU加速CBCT图像重建方法，其特征在于，所述步骤（102)中， 按如下公式计算投影误差：
其中，为第i条光线的投影误差，i G [l，mXm]，Pi为所述真实投影数据的值，P' i 为所述模拟投影数据的值，Wi。代表体素Vj.对到达象素P' i的射线的影响。
7. 如权利要求6所述的GPU加速CBCT图像重建方法，其特征在于，所述P' 1，采用 Ray-tracing 算法。
8. 如权利要求2所述的GPU加速CBCT图像重建方法，其特征在于，所述步骤（111)中， 按如下公式计算反投：
其中，k为子迭代过程的序数，A为松弛因子，在化0,1. 0]区间内取值，v/w为第k次 迭代的第j个体素值。
9. 一种GPU加速CBCT图像重建装置，其特征在于，包括W下部分： 图像重建模块：用于读取投影数据，在GPU中采用SART算法作为逼近项，更新重建得到 的体； 除噪模块：用于采用自适应梯度下降的方法，使所述重建得到的体的全变差最小化； 迭代模块：用于迭代直至算法收敛。
10. 如权利要求9所述的一种GPU加速CBCT图像重建装置，其特征在于，所述图像重建 模块，还包括W下部分： 正投影单元；用于在探测器平面上计算所述投影角度的模拟投影数据，并根据真实投 影数据与所述每个投影角度的模拟投影数据，计算投影误差，得到修正影像； 反投影单元；用于将所述投影误差依照计算得到的权重值，反投到所述重建得到的体 的各个体素上，生成更新数据，并更新整个所述重建得到的体。
【文档编号】G06T1/20GK104424625SQ201310399126
【公开日】2015年3月18日 申请日期:2013年9月4日 优先权日:2013年9月4日
【发明者】刘平, 陆玉强, 朱坛超, 李建英, 郭煜, 秦璟, 王平安 申请人:中国科学院深圳先进技术研究院