1、中文 13000 字 出处： Shi L, Liu W, Zhang H, et al. A survey of GPU-based medical image computing techniquesJ. Quantitative imaging in medicine and surgery, 2012, 2(3): 188. 基于 GPU的医学图像计算技术综述 A survey of GPU-based medical image computing techniques 学 部（院）： 电子信息与电气工程 专 业： 生物医学工程 基于 GPU 的医学图像计算技术综述 基于 GPU的医学
2、图像计算技术综述 Lin Shi， Wen Liu,Heye Zhang， Yongming Xie,DefengWang, 影像与介入放射学教研室， 中国 香港大学，新界沙田，中国香港 ; CUHK 深圳研究院， 中国广东省深圳市； 中国科学院深圳 先进技术研究 院 ， 中国广东省深圳市； 对应： DefengWang博士。影像与介入放射学， 中国 香港大学，威尔斯亲王医院， Shatin，新界， 中国 香港 。 电子邮件： dfwangcuhk.edu.hk。 摘要 ： 医学影像目前被用于整个医疗科学研究、诊断和治疗计划 之中 ，对整个临床应用有至关重要的作用。然而，医学成像过程通常在计算
3、上要求很高，大的三维（ 3D）医疗数据 ，是在实际临床应用中被处理的。随着图形处理器性能的提高， 它 提高了编程支持，并且具有了良好的价格性能比。图形处理单元（ GPU）已成为一个有竞争力的并行计算平台，它能处理复杂的任务，在医学图像广泛应用。本次调查的主要目的是，给参与基于 GPU的医学图像处理的初学者或研究人员提供一个全面的参考源。在本次调查中，GPU 计算不断进步，用于医学图像处理，即分割，登记和可视化的三个领域 ，以及 现有的传统的应用程序 ， 并且对潜在的优势和目前 GPU 再医学成像相关的挑战进行了讨论，激发中医药未来的应用。 关键词：图形处理单元（ GPU） ;图像分割 ;图像配
4、准 ;图像可视化 ;高性能计算 介绍 并行处理，是医疗应用中的未来。在过去的几年中， GPU 的不断发展为 具有 更高性能的加速器平台数据并行计算工具，特别是在医学图像处理和分析打好夯实的基础。由于需求迅速增加 ，比如高性能计算和更复杂的图形和科学应用，商用的图形硬件已经从具有固定功能流水线显著演变到可编程超级计算机（ 1）。同时， GPU 也迅速发展成为范围广泛的计算密集型的处理器。此外， GPU 设计用于特定类的具有以下特征的应用：（）大的计算需求，（）基本平行，和（ III）全过程的延迟。 在最近几年， GPU 的运算速度迅速增加，从而 GPU 可用于许多计算上繁重的任务。它比常规基于
5、CPU 的计算框架速度更为优秀。近日， GPU 已经成为了高性能计算领域具有竞争力的平台，因为其巨大的处理能力。然而，它不能接受通用或非图形计算。其结果是，由映射通用应用到图形硬件实现通用计算许多努力被称为通用计算上的图形处理单元（ GPGPU），其被引入用于基于现有 GPU 硬件的非图形算法。 GPGPU 的计算是通过使用基于 GPU 的医学图像计算技术综述 专门的图形处理，而不是矢量和矩阵运算符（ 3）进行的。然而，只有专业的研究人员和开发人员熟悉的图形 API 能流利地 使用传统的 GPU / GPGPU 开发平台，它给不熟悉它的实际应用优势的客户带去了不便（ 4）。幸运的是，统一计算设
6、备架构（ CUDA）技术的出现可以克服这些缺点，在当前的 GPU / GPGPU 版本，以一定程度上存在。在 2006 年年底， NVIDIA 公司推出的 CUDA 开发平台，这有一种新型的编程接口和环境，为自己的GPU 通用编程。对于通用的并行编程对 NVIDIA GPU 的方便， CUDA 带来的类似 C 开发环境，并提供给程序员（ 5）。图 1 显示了 CUDA 编程模型的示意性概述。 在医学和外科手术，第 2卷，没有 2012 年 9 月 3日的定量成像 Shi 等。基于 GPU 的医学图像计算调查 图 1 的 CUDA 编程模型的概念框架。每个内核被分配到由多个块的网格，并且每个块包含螺纹（ 6） 一般来说，每个 CUDA 功能的 GPU 是由多流多处理器集合的，是一个全球性的存储基于 GPU 的医学图像计算技术综述 器。如图 1中，内核是 CUDA 的基本构造块，这将 从主机（ CPU） 启动，并在图形装置（ GPU）上
