专利名称：一种实时的从磁共振脑部图像提取脑组织方法
技术领域：
本发明涉及一种快速从磁共振脑部图像提取脑组织方法，该方法基于BET算法和GPU加速技术。
背景技术：
人脑是人体重要的器官之一，对于人脑功能的探求无疑是非常有意义的事情。fMRI (功能磁共振成像)技术自上世纪90年代初问世以来，作为一种非常有效的研究脑功能的非介入技术，已经成为最广泛使用的脑功能研究手段，不仅可以研究人类大脑听觉、视觉和记忆等常规认知功能，甚至可以应用于研究人类的心理、鉴别说谎等领域。在利用脑部功能图像研究人类大脑认知功能时，常需要将分辨率较低的功能图像与高分辨率磁共振图像进行配准以得到结构信息。然而由于成像机理，功能图像一般仅包含脑组织，故配准前需将脑组织从高分辨率磁共 振图像提取出来，提取结果对后续处理有很大影响。脑组织提取的另外一个重要应用是临床，很多脑部疾病如脑积水，脑萎缩，老年痴呆症等都与脑组织容量有关。此外，脑组织提取在研究大脑皮层结构领域、脑部图像分割领域、脑电信号定位、大脑发育检测、脑疾病术后检查等领域有重要的应用。在脑科学研究及临床应用中，对脑组织提取的速度、精度及稳定性提出了很高的要求。提取方法主要分手动和自动方法两类，手动方法精度高，但需大量交互，费时费力，并具主观性；自动方法虽然参数较多，性能不够稳定，处理时间长，但是无需或仅需用户少量交互，故是主流研究方向。自动方法当参数选定不佳时，需重新给定参数进行提取。如提取算法能够达到实时处理能力(例如处理时间〈I秒)，则用户仅需拖动鼠标改变参数，提取结果立马能够得到，这种所调即所得的方法将极大提高用户的接受度及处理效果。HUhne提出了基于阈值和形态学的提取方法，该方法需用户交互，提供各种阈值，而且同一三维序列中的不同图像参数不同，故不适合用作三维脑组织提取。Sandor提出了基于边界提取和形态学的提取方法，效果要好于基于阈值和形态学的提取方法。Shattuck对Sandor的方法进行了改进，开发了脑组织提取工具软件BSE (Brain Surface Extraction),集成于脑分析软件Brainsuite中。Cox采用高斯混合模型去估计三维序列中各图像的分割阈值参数进行分割，再采用表面平滑及形态学处理实现脑组织自动提取，该方法集成在脑功能分析软件ANFI中。Huang先采用高斯混合模型对脑图像进行粗分割,然后基于测地(Geodesic)活动轮廓模型提取边界轮廓，缺点是速度较慢，算法容易局部收敛。Dale提出了一种基于可变形点阵模型的脑组织自动提取方法，该方法定义了平滑力和全局约束的推动力，通过迭代的方式快速推动点阵快速演化到脑组织边界。Smith对Dale的方法进行了改进，开发了一种当前常用的脑组织提取工具BET (Brain Extraction Tool),集成在脑分析软件FSL和MRIcix)中。BET的优点是速度很快，在处理合成图像时，效果较好，缺点是处理真实图像时效果往往不好。在BET的基础上，江提出了改进的BET算法。以上基于可变形点阵模型的方法无需采用形态学，且全局约束的推动力能将轮廓曲线快速贴近到脑组织边界周围，具有全局收敛性，算法比较稳定，然而也正是因为采用全局约束的推动力及采用离散的点阵拟合脑组织轮廓，得到的脑组织边界也不够精确。以上这些方法均不能实现脑组织实时提取。近年来，计算机显卡的运算单元(GPU)速度越来越快，在某些应用上，甚至已经大幅的超越CPU。2008年，NVIDIA GTX260+具有216个流处理器，其性能可达到800Gigaflops (I个gigaflop意味每秒可处理10亿次浮点运算作业)，价格只有1000人民币左右。而Intel的顶级4核的Core 2 Extreme 9650 CPU的性能只能达到96Gigaflops。因此，很多研究人员开创了一个新的研究领域:基于GPU的通用计算(GPGPU —General Purpose Computing on Graphics Processing Units),其主要石开究内容是，除了在图形处理以外，如何利用GPU来进行更为广泛的应用计算。NVIDIA公司近期推出了类似C++语法的CUDA编程模型来支持图形处理器的通用计算，为GPGPU提供了便捷的开发研究平台。
发明内容
本发明的目的是提供一种实时的从磁共振脑部图像提取脑组织方法，该方法采用GPU加速技术去提高BET (brain extraction tool,脑组织提取工具)算法的运行速度,该提取方法与传统提取方法相比，具有很高的实时性。本发明的上述目的通过如下技术方案来实现的:一种实时的从磁共振脑部图像提取脑组织方法，它包括如下步骤:
1)初始图像数据，从硬盘中读入三维脑部磁共振图像，该图像由K幅二维图像组成；
2)初始化三维脑组织轮廓数据，为一个球面；
3)初始化GPU数据；该步骤由两个部分组成:
(3a)为GPU初始化K个线程块，每个线程块对应一幅二维图像；
(3b)在每个线程块中初始化M个线程，每个线程对应一个三维脑组织轮廓的顶点；
4)初始化的这K*M个线程在GPU中并行调用BET算法，同时计算每个三维脑组织轮廓的顶点的新位置，经过N次迭代得到最终的三维脑组织轮廓。所述步骤4)是采用NVIDIA公司的支持CUDA技术的GPU实现的。将传统的串行的BET算法进行通过CUDA技术转换成并行算法，从而实现实时处理。先对GPU线程块及线程做初始化，将GPU线程块及线程和脑组织轮廓点阵一一对应的处理，如此初试化后方能将传统的串行的BET算法进行通过CUDA技术转换成并行算法。所设计的并行算法的处理时间小于I秒，能够实现实时处理。与现有技术相比，具有以下有益效果:
常规BET算法以串行方法不停迭代来实现，每次迭代时，轮廓上的顶点位置逐个计算，如果一个轮廓包含M个顶点,迭代次数为N次,那么需要做M*N次循环才能得到一副MR卢页脑图像脑组织轮廓，如果要处理一个包含K幅图像的MR脑部图像序列，则需要M*N*K次循环(本文取1=256，#200，1(=60)。可见采用串行方法实现BET算法需大量的循环计算，难以达到实时处理的要求。而本发明提出的方法每次迭代时，轮廓上每个顶点位置的更新是并行计算的，这样那么只需要做N次循环就能得到一副MR颅脑图像脑组织轮廓。进一步可以将一个MR脑部图像序列中K幅图像并行处理，那么只需要做N次循环就能得到这K幅MR颅脑图像脑组织轮廓。通过并行计算方式大大减少循环迭代次数，处理时间少于I秒，可以实现MR脑部图像序列实时处理的要求。
图1为常规BET算法流程 图2为本发明BET算法流程 图3为本发明GPU初始化说明 图4为本发明的提取结果。
具体实施例方式一种实时的从磁共振脑部图像提取脑组织方法，如图1、图2、图3、图4所示，它包括如下步骤:
步骤1，从计算机硬盘中读入K幅脑部磁共振图像序列，构成一个三维脑部磁共振图像。分别存储到计算机内存和显存中；
步骤2，初始化三维脑组织轮廓数据，为一个球面，该数据以一个K*M的浮点数组的形式存储在显存中，其中K为三维脑部磁共振图像序列中的图像数目，M为构成二维脑组织轮廓的点阵数目。步骤3，初始化GPU线程，为GPU初始化K个线程块，每个线程块对应脑部磁共振图像序列中的一幅二维图像，线程块的编号和二维图像的编号一一对应；
步骤4，初始化线程块中的线程，每个线程块初始化M个线程，每个线程对应二维脑组织轮廓中的一个点，线程的编号和点阵的编号对应；
步骤5，初始化完成后，采用GPU多线程并行运算方法，这K*M个线程在GPU中并行调用BET算法，同时计算每个三维脑组织轮廓的顶点的新位置。经过N次迭代得到最终的三维脑组织轮廓；
所述步骤5)中的BET算法及其处理过程如下:
(5a)根据相邻顶点的位置及灰度信息计算推动该顶点运动的三个力分别是:平行于轮廓切线的拉力％，该力使轮廓点保持间距(该间距不太小也不太大)；垂直于轮廓切线的
平滑力U2，该力和轮廓的曲率有关使得轮廓平滑；垂直于轮廓切线的扩张力％，该力使得轮廓向外或向内演化。这三个力的定义如下:
权利要求
1.一种实时的从磁共振脑部图像提取脑组织方法，其特征是如下步骤: 1)初始图像数据，从硬盘中读入三维脑部磁共振图像，该图像由K幅二维图像组成； 2)初始化三维脑组织轮廓数据，为一个球面； 3)初始化GPU数据；该步骤由两个部分组成: (3a)为GPU初始化K个线程块，每个线程块对应一幅二维图像； (3b)在每个线程块中初始化M个线程，每个线程对应一个三维脑组织轮廓的顶点； 4)初始化的这K*M个线程在GPU中并行调用BET算法，同时计算每个三维脑组织轮廓的顶点的新位置，经过N次迭代得到最终的三维脑组织轮廓。
2.根据权利要求1所述的一种实时的从磁共振脑部图像提取脑组织方法，其特征在于:所述步骤4)是采用NVIDIA公司的支持CUDA技术的GPU实现的。
3.根据权利要求1所述的一种实时的从磁共振脑部图像提取脑组织方法，其特征在于:将传统的串行的BET算法进行通过CUDA技术转换成并行算法，从而实现实时处理。
4.根据权利要求1所述的一种实时的从磁共振脑部图像提取脑组织方法，其特征在于:先对GPU线程块及线程做初始化，将GPU线程块及线程和脑组织轮廓点阵一一对应的处理，如此初试化后方能将传统的串行的BET算法进行通过CUDA技术转换成并行算法。
5.根据权利要求1所述的一种实时的从磁共振脑部图像提取脑组织方法，其特征在于:所设计的并行算法的处理时间小于I秒，能够实现实时处理。
全文摘要
本发明公开了一种实时的从磁共振脑部图像提取脑组织方法，本方法主要采用了BET算法和GPU并行计算技术，通过CUDA技术将传统的串行的BET算法转换并行算法，从而实现脑组织的实时提取。它包括1)读入三维脑部磁共振图像序列到计算机内存和GPU显存；2)初始化脑组织轮廓点阵和GPU线程块及线程，将GPU线程块及线程和脑组织轮廓点阵一一对应；3)在GPU中多线程并行调用BET算法，同时计算每个三维脑组织轮廓的顶点的新位置。经过N次迭代得到最终的三维脑组织轮廓。
文档编号G06F9/38GK103177448SQ20131009804
公开日2013年6月26日 申请日期2013年3月26日 优先权日2013年3月26日
发明者江少锋, 杨素华, 陈震, 余祖龙 申请人:南昌航空大学