基于分布式多圖像處理器的醫學影像體繪制算法

商洪濤唐 輝徐 濤

基于分布式多圖像處理器的醫學影像體繪制算法

商洪濤①唐 輝①徐 濤①

目的：計算機醫學圖像處理具有所需計算量和計算涉及數據量巨大的特點，需將高性能計算技術應用于計算機醫學圖像處理中，以適應計算涉及數據量大和計算速度快的要求。方法：計算統一設備架構(CUDA)技術可使圖像處理單元(GPU)進行通用并行計算，使其能夠提供強大的計算能力。由于分布式并行計算是實現高性能計算的主要方式，故提出一種實用的分布式并行計算模式，即基于分布式多GPU的并行計算模式，其中多臺計算機將使用消息傳遞接口(MPI)并行編程環境配置成分布式集群系統。結果：以醫學影像體繪制算法為例分析該計算模式，使得其算法計算時間較短，計算效率較高。結論：使用MPI集群和GPU進行算法加速，可很好地解決無法實現醫學影像的實時三維重建的問題。

分布式多圖像處理單元；光線投射體繪制；醫學影像處理；算法

近年來，隨著計算機科學技術的快速發展，在醫學領域可以利用計算機獲取、存儲、傳輸、處理各種醫學影像和醫學管理信息，從而極大提高了工作效率。醫學與計算機科學技術相結合的邊緣學科的大量涌現對醫學的快速發展起著重要的作用。計算機應用技術在醫學中的應用主要包括：計算機輔助診斷和輔助決策系統、醫學信息系統、衛生行政管理信息系統、計算機醫學圖像處理與圖像識別系統等。

1 分布式多圖像處理單元

在現代醫學研究與臨床診斷中許多重要信息都是以圖像的形式出現的。以往醫學圖像是由醫生進行低效率的人工分析和處理。而隨著計算機應用技術在醫學圖像處理方面應用的逐步加深，計算機醫學圖像處理所面臨的困難也更加復雜。其中醫學圖像處理

要求的計算量特別巨大、計算所涉及的數據量非常大是影響計算機醫學圖像處理技術發展和實際應用的關鍵問題所在。分布式集群計算與利用圖像處理單元(graphic processing unit，GPU)并行能提供巨大的計算量，因此分布式GPU計算模式對于醫學影像處理技術的發展和應用是很有價值的。基于對多種并行計算模型的分析，提出使用基于分布式多GPU的并行計算模式，即：使用消息傳遞接口(message passing interface，MPI)組成具有并行計算能力的計算機集群，集群中的計算機利用計算統一設備架構(compute unified device architecture, CUDA)技術使用GPU進行計算。使用MPI組成計算機集群[1]。

2 MPI集群和CUDA技術簡介

2.1 MPI集群

MPI產生于1994年，經過數年的發展已成為消息環境并行計算的標準。MPI是并行計算機消息傳遞接口的標準，其在性能、功能和移植性上有較好的平衡，是目前最廣泛使用的并行編程環境。由于MPI具有移植性好、效率高、功能強大等優點，適用于分布內存的并行計算機系統的消息傳遞模型[2]。集群系統是利用網絡將一組計算機按某種結構鏈接起來，在并行程序設計支持下協調處理、統一調度，實現高效并行處理的系統。本文涉及的集群是使用MPI并行程序設計環境和消息傳遞方式實現的各主機之間的并行處理和通信。

2.2 GPU和CUDA技術

隨著GPU的快速發展，其單精度浮點計算能力已遠高于CPU。CUDA是NVIDIA公司于2006年在GeForce 8800系列顯卡上推出的統一設備架構，是將GPU用于通用計算(GPGPU)的一種實現，它改變了GPU的編程及存儲模式，使得GPU編程簡單易學并極大地發揮了GPU的并行計算能力[3]。CUDA實現了GPU通用并行計算的能力，其硬件體系結構由若干單指令多數據的多處理器組成，每個多處理器有一個共享內存、固定緩存、紋理緩存。CUDA的程序設計語言以C語言為基礎實現，因此更加靈活并便于學習。CUDA的并行計算能力來自于在GPU上同時大量運行的線程，這些線程以網格的形式組成了線程塊，并且共享一塊內存中的數據就可實現數據的并行處理[4]。

3 三維可視化算法原理

體繪制技術的實現是對三維離散數據場重新采樣和醫學圖像合成的過程。體繪制技術有很多實現方式，其中，由Levoy提出的光線投射算法是一種圖像空間掃描的實現體繪制的離散方法[5]，它所針對的數據是符合規則數據場類型的。由CT或MRI產生的體數據，符合數字影像和通信(digital imaging and communications in medicine, DICOM)標準，該數據屬于規則數據場類型。

該算法定義分布在均勻網格或規則網格的網格點上的三維空間數據為 f(xi，yj，zk)。可以根據某種數據值分類的方法，將數據空間中的數據根據數值不同而進行分類，可以得到數據空間中每個數據點的顏色值和不透明度值。假定從屏幕上每個像素點發出一條射線，該射線沿著已設定的觀察方向射出并穿過三維數據場，在這條射線上選擇K個采樣點。在數據空間中找到距離該采樣點最近的8個數據點，根據這8個數據點的顏色值和不透明度值進行三次線性插值，求得該采樣點的顏色值和不透明度值。然后將該射線上K個取樣點的顏色值和不透明度值計算出來，最后將其顏色值和不透明度值按照某種規則加以合成，所得到的則是發出射線的像素點的顏色值和不透明度值。屏幕上所有像素點都經過同樣的過程求得其顏色值和不透明度值，便得到數據空間的三維可視化結果(如圖1(a)、(b)所示)。

圖1 光線投射算法說明圖

圖1所示為該過程的說明，光線沿著視線方向從屏幕發出并穿過體數據空間，假設射線上存在重采樣點P，由三維數據空間 f(xi，yj，zk)可知與P相鄰近的8個體元的顏色值和不透明度值。根據這8個體元的顏色值和不透明度值進行三次線性插值便得到P的顏色值和不透明度值。將射線上所有采樣點的顏色值和不透明度值合成，即可得到屏幕上該像素的值。

4 分布式多GPU體繪制算法的實現

4.1 基于CUDA的光線投射體繪制加速算法

由于CPU和GPU的體系結構所決定，CPU在分支處理和隨機內存訪問方面具有GPU所不具備的優勢，在處理串行工作上具有先天的優勢。而GPU因其特殊的核心設計，在處理具有大量浮點并行計算時有天然的優勢。使用CPU+GPU的異構運算方式可實現對計算機的高效使用。

利用CUDA實現光線投射算法時，使用GPU上大量的線程模擬屏幕上像素點發射出的射線。線程首先根據采樣點附近的體元進行三次線性插值，進而得到采樣點的顏色和不透明度數據，再將該射線上的所有采樣點的顏色和不透明度數據按合適的規則進行累加，得到屏幕上某個像素點數據值。由于每條模擬光線相互并行且無干擾，因此每個線程執行的指令相同，而處理的數據不同。這非常符合CUDA的計算模式—“多線程，單指令”[7]，具體步驟如下。

(1)首先在主機端初始化CUDA環境。然后醫學影像序列從CPU的內存以三維紋理的形式映射到GPU的顯存中[8]。同時依據結果圖像的大小(像素的數量)確定GPU中調用的線程的組織結構及數量。實驗中使用的線程塊為16×16，最終的圖像為512×512。

(2)計算包圍盒。算法中的視點發出的射線有些并沒有穿過體數據空間，即該射線在計算過程中是無效的，導致不需進行計算的射線參與了計算過程。為減少不必要的計算量，先假設體數據周圍存在一個包圍盒，只有穿過包圍盒的光線才有可能通過物體，是應該計算的有效光線[9]。

(3)取得每條射線上采樣點的顏色值和不透明度值，此過程可由GPU自動完成[10]。并將射線上所有采樣結果進行累加，得到像素點的最終顏色值和不透明度值，最后將結果圖像顯示到屏幕上[11]。

CUDA的工作模式如圖2所示。

圖2 CUDA的工作模式

4.2 基于MPI集群多GPU的體繪制算法

MPI的并行工作模式為“單指令，多數據”模式。算法思路是將計算任務分配到集群中的各個計算機上，并使用其GPU進行體繪制算法的計算，具體實現步驟如下。

(1)配置MPI環境。在局域網中使用MPI將若干計算機聯接組成集群。實驗中使用兩臺計算機組成集群，初始化MPI環境，將需處理的醫學影像序列在集群內廣播，并在所有機器內保存所需處理的數據集。

(2)分配計算任務。在集群內將計算任務平均分配。

(3)在每個計算節點使用基于CUDA的光線投射算法，使用GPU進行計算。計算完成后將計算結果匯集到主節點，組成結果圖像并顯示。

4.3 實驗結果及分析

實驗效果如圖3所示，實驗數據為標準DICOM醫學影像，實驗數據為200層的頭部數據和400層的腿部數據，單層圖像為512×512。實驗設備為兩臺個人PC機，顯卡為NVIDIA GeForce 9800系列，顯存為1 GB，內存為4 GB。

圖3 腿部和頭部實驗效果圖

實驗對頭部和腿部醫學圖像序列進行了體繪制工作，同時對光線投射算法在CPU、GPU和本文算法的計算時間進行對比(見表1)。實驗中假定集群中的每臺計算機保存有數據集，并不需要網絡的傳輸，而算法中沒有將傳輸時間記錄其中。從表中可看出本文的算法計算時間比較短，計算效率較高。由于MPI在各機器間有同步工作，因此其加速比并不呈線性增長。

表1 CPU、GPU和本文算法實驗結果的對比

5 結論

光線投射算法相比與其他三維重建可視化算法，其成像質量比較高，同時所需計算量大、時間長，往往在實際應用中無法實現醫學影像的實時三維重建。使用MPI集群和GPU進行算法加速則可很好地解決這一問題，在保證影像重建質量的同時保證了計算速度的要求。

[1]都志輝,李立三.高性能計算并行編程技術—MPI并行程序設計[M].北京:清華大學出版社,2001.

[2]袁景艷,劉方愛,趙芳芳.基于MPI的集群系統的研究[J].信息技術與信息化,2010(2):33-35.

[3]NVIDIA.CUDA compute unified device architecture: programming guide version 2.3[J]. Santa Clara California August,2009(32):105.

[4]吳磊,王斌.基于CUDA的體繪制GPU加速算法[J].生命科學儀器,2009,12(7):26-29.

[5]唐澤圣.三維數據場可視化[M].北京:清華大學出版社,2000:10.

[6]張尤賽,陳福民.三維醫學圖像的體繪制技術綜述[J].計算機工程與應用,2002,38(8):18-19.

[7]張浩,李利軍,林嵐.GPU的通用計算研究[J].計算機與數字工程,2005,33(12):60-61.

[8]楊傳琦.大規模數據體繪制及多維傳輸函數技術的研究與實現[D].浙江大學碩士學位論文,杭州:浙江大學,2006:5-6.

[9]馮高峰.基于Cell多核的光線投射并行算法[J].計算機應用,2009,29(1):245-247.

[10]薛劍,田捷,戴亞康,等.海量醫學數據處理框架及快速體繪制算法[J].軟件學報,2008,19(12):3237-3248.

[11]王文舉,侯德文.幾種變換域體繪制算法的比較研究[J].計算機技術與發展,2008,18(4):80-83.

Volume rendering algorithm of medical image on distributed GPUS

SHANG Hong-tao, TANG Hui, XU Tao

Objective: Medical image processing with computer needs great computation and process lots of data, so high performance computing will be applied to medical image processing, in order to adapt the great computation requirement. Methods: The CUDA (Compute Unifed Device Architecture ) technology introduced from NVIDIA , made the GPU use the general purpose parallel computing, which provide powerful computational capabilities. The computing power was used in the paper. As distributed parallel computing is the main way to realize high performance computing, this paper presented a practical distributed parallel computing model. It is based on distributed multi-GPU (Graphic Processing Unit) of the parallel computing model, where multiple computers using MPI (Message Passing Interface) parallel programming environment configured as a distributed cluster system. Results: Make an analysis of the computing model, which is based on medical image volume rendering algorithm. It is shown that the algorithm takes less computing time and has higher computational efficiency. Conclusion: The problem of real-time 3D reconstruction in medical image has been solved by using the MIP clusters and the GPU to accelerated the effect of this algorithm.

Distributed multi-GPU; Volume rendering; Medical image processing; Algorithm

Department of Medical Engineering, General Hospital of Beijing Command, Beijing 100700, China.

1672-8270(2012)08-0004-04

TP391.41

A

商洪濤,女,(1977- ),本科學歷，主管技師。北京軍區總醫院醫學工程科，從事測試計量技術方面的工作，研究方向為生物醫學工程。

2012-04-05

①北京軍區總醫院醫學工程科 北京 100700

China Medical Equipment,2012,9(8):4-7.