目前,心血管疾病已成為世界疾病的首位死因。為了早預(yù)防心血管疾病的發(fā)生,光學(xué)相干斷層的影像技術(shù)(OCT)可以對(duì)心血管疾病精準(zhǔn)判斷,但是血管內(nèi)OCT成像時(shí)需要處理大量的數(shù)據(jù)。根據(jù)現(xiàn)有采用CPU的串行方式處理導(dǎo)致數(shù)據(jù)處理時(shí)間長(zhǎng)。因此,將CPU串行的運(yùn)算算法移植到圖像處理單元(GPU)中解決數(shù)據(jù)并行處理的問題,并且實(shí)現(xiàn)血管三維OCT的圖像重構(gòu)。本論文闡述GPU在CUDA軟件體系中對(duì)GPU的和內(nèi)核配置和線程管理,解決血管內(nèi)OCT影像2D和3D數(shù)據(jù)的并行處理問題。本文主要內(nèi)容包括以下幾方面:1.提出了血管內(nèi)OCT成像數(shù)據(jù)并行處理方法:血管內(nèi)OCT成像技術(shù)在血管檢測(cè)的成像需要對(duì)大量的數(shù)據(jù)進(jìn)行處理,并且實(shí)現(xiàn)血管OCT系統(tǒng)實(shí)時(shí)的處理2D和3D的數(shù)據(jù)。對(duì)比FPGA、DSP、GPU和CPU對(duì)數(shù)據(jù)處理的效率驗(yàn)證,確認(rèn)血管內(nèi)OCT系統(tǒng)采用GPU的設(shè)計(jì)方案。將數(shù)據(jù)處理的串行算法移植到GPU中實(shí)現(xiàn)血管OCT的數(shù)據(jù)并行處理。驗(yàn)證各個(gè)GPU函數(shù)接口的運(yùn)行效率。2.提出了GPU并行算法內(nèi)核配置和線程管理優(yōu)化方法:在CUAD軟件體系下實(shí)現(xiàn)GPU的內(nèi)核和線程資源配置的算法接口。將GPU算法的控制接口輸出動(dòng)態(tài)鏈接庫(DLL),在Lab VIEW軟件平臺(tái)上調(diào)研GPU算法接口進(jìn)行仿真,對(duì)比血管OCT成像各算法實(shí)現(xiàn)數(shù)據(jù)并行的效率。3.研發(fā)基于GPU數(shù)據(jù)并行處理方法的心血管OCT影像系統(tǒng)和3D建模:搭建血管內(nèi)OCT技術(shù)成像的硬件系統(tǒng),在Lab VIEW軟件平臺(tái)調(diào)用CUDA的算法實(shí)現(xiàn)血管內(nèi)OCT成像系統(tǒng)的2D實(shí)時(shí)成像。在該平臺(tái)上驗(yàn)證GPU極坐標(biāo)運(yùn)算和動(dòng)態(tài)線程管理的運(yùn)算結(jié)果,實(shí)現(xiàn)較大的加速比。最后實(shí)現(xiàn)血管內(nèi)OCT成像的3D重構(gòu),通過GPU加速實(shí)現(xiàn)血管內(nèi)OCT的成像系統(tǒng)回拉300幀的圖像進(jìn)行3D模型。因此,通過低成本的GPU的方案實(shí)現(xiàn)血管內(nèi)OCT系統(tǒng)實(shí)時(shí)圖像顯示3D血管內(nèi)的組織可視化,該系統(tǒng)滿足了心血管疾病精準(zhǔn)診斷的需求。
【學(xué)位單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R54;R816.2;TP391.41
【部分圖文】：

圖 2.2CPU 多級(jí)緩存架構(gòu)[36]據(jù)并行處理的架構(gòu)ic Processing Unit中文意思為“圖形處理器”，簡(jiǎn)稱為GPU。（算術(shù)運(yùn)算單元）,它可以在很少的時(shí)鐘周期內(nèi)完成算術(shù)力與CPU相比優(yōu)勢(shì)顯而易見，通過GPU并行處理可以大規(guī)在圖像處理領(lǐng)域中的運(yùn)算也越來越廣泛[37]。CPU與GPU圖2.3所示。圖 2.3CPU 與 GPU 內(nèi)部邏輯架構(gòu)對(duì)比[36]

圖 2.2CPU 多級(jí)緩存架構(gòu)[36]數(shù)據(jù)并行處理的架構(gòu)aphic Processing Unit中文意思為“圖形處理器”，簡(jiǎn)稱為GPU。CPALU（算術(shù)運(yùn)算單元）,它可以在很少的時(shí)鐘周期內(nèi)完成算術(shù)計(jì)算據(jù)能力與CPU相比優(yōu)勢(shì)顯而易見，通過GPU并行處理可以大規(guī)模因此在圖像處理領(lǐng)域中的運(yùn)算也越來越廣泛[37]。CPU與GPU中邏比如圖2.3所示。

理器只負(fù)責(zé)執(zhí)行線程，結(jié)構(gòu)相對(duì)簡(jiǎn)單。程的軟件體系ompute Unified Device Architecture)的編程接口由英偉進(jìn)行 GPU 編程的接口[40]。CUDA C 語言是 NVIDI類 C 的編程語言，它主要包括擴(kuò) C 語言的最小擴(kuò)展。NVIDIA 還提供一個(gè)專門編譯 CUDA C 語言編寫的譯器。CUDA C 語言只編譯 GPU 端的代碼，因此要 與 GPU 數(shù)據(jù)的傳輸、內(nèi)核函數(shù)的啟動(dòng)、計(jì)算資源的PI 不能同時(shí)混合使用，只能使用其中的一種[41,42]。軟件體系由高到低共有三層組成，分別是 CUDA 庫 CUDA 驅(qū)動(dòng) API，如圖 2.4 所示。開發(fā)人員編寫 CU三層中的庫函數(shù)或者接口函數(shù)，越接近底層的函數(shù)對(duì)接近 GPU 底層硬件程序，操作難度越大。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王光,張發(fā)存,沈緒榜;幾何操作的數(shù)據(jù)并行實(shí)現(xiàn)[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2005年06期

2 韓天舒;胡銘曾;李曉明;方濱興;;數(shù)據(jù)并行語言中的擴(kuò)展結(jié)構(gòu)[J];計(jì)算機(jī)科學(xué);1998年03期

3 陳斯愈,黃林鵬,孫永強(qiáng);一個(gè)數(shù)據(jù)并行語言的設(shè)計(jì)及其實(shí)現(xiàn)[J];計(jì)算機(jī)工程;1997年03期

4 桂兵祥;何健;;基于高性能云的分布式數(shù)據(jù)并行處理機(jī)制[J];武漢工業(yè)學(xué)院學(xué)報(bào);2010年01期

5 陳慶奎;那麗春;;一個(gè)數(shù)據(jù)并行型計(jì)算的網(wǎng)格資源的管理模型[J];計(jì)算機(jī)應(yīng)用與軟件;2006年08期

6 謝玉枚;卓琳;張潔玲;;利用數(shù)據(jù)并行對(duì)程序進(jìn)行優(yōu)化的一般方法探析[J];信息系統(tǒng)工程;2019年03期

7 劉政良;;一種大規(guī)模數(shù)據(jù)并行計(jì)算方法的改進(jìn)研究[J];信息與電腦(理論版);2016年09期

8 陳慶奎;那麗春;;基于動(dòng)態(tài)冗余機(jī)制的數(shù)據(jù)并行型計(jì)算網(wǎng)格模型[J];通信學(xué)報(bào);2005年12期

9 李向宏,王丁,王鑫;數(shù)據(jù)并行問題的性能分析及優(yōu)化[J];信息技術(shù);2002年03期

10 農(nóng)嘉;覃志松;;基于螢火蟲算法的船舶交通數(shù)據(jù)并行調(diào)度方法[J];艦船科學(xué)技術(shù);2019年18期

相關(guān)博士學(xué)位論文 前10條

1 肖天;數(shù)據(jù)并行程序正確性分析與網(wǎng)絡(luò)流量?jī)?yōu)化[D];清華大學(xué);2014年

2 王耀華;數(shù)據(jù)并行處理器中指令流出的協(xié)同性研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

3 趙賢威;云環(huán)境下顧及空間子域分布特征的空間大數(shù)據(jù)并行計(jì)算方法研究[D];浙江大學(xué);2017年

4 梁金剛;反應(yīng)堆蒙卡程序RMC大規(guī)模計(jì)算數(shù)據(jù)并行方法研究[D];清華大學(xué);2015年

5 張濱;基于MapReduce大數(shù)據(jù)并行處理的若干關(guān)鍵技術(shù)研究[D];東華大學(xué);2017年

6 王攀;大規(guī)模數(shù)據(jù)并行可視化關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

7 蘇巖;面向基三體系結(jié)構(gòu)的并行應(yīng)用體系關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2016年

8 張靜;SIFT算法的VLSI結(jié)構(gòu)設(shè)計(jì)與實(shí)時(shí)實(shí)現(xiàn)[D];華中科技大學(xué);2014年

9 趙明宇;集群系統(tǒng)的調(diào)度算法研究[D];哈爾濱工業(yè)大學(xué);2007年

10 楊典華;協(xié)作式大規(guī)模地理柵格數(shù)據(jù)并行處理方法研究[D];首都師范大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 劉海平;基于GPU數(shù)據(jù)并行處理的血管內(nèi)OCT成像研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

2 何馬均;深度學(xué)習(xí)框架TensorFlow的高效分布式并行算法研究[D];電子科技大學(xué);2019年

3 黃文強(qiáng);深度學(xué)習(xí)框架Tensorflow的數(shù)據(jù)并行優(yōu)化調(diào)度研究[D];電子科技大學(xué);2019年

4 葉怡新;分布式RDF數(shù)據(jù)并行推理方法研究與實(shí)現(xiàn)[D];福州大學(xué);2017年

5 趙滿;地震數(shù)據(jù)并行訪問策略的研究[D];東北石油大學(xué);2013年

6 梁玲玲;數(shù)據(jù)并行交換的長(zhǎng)事務(wù)分配與調(diào)度模型[D];長(zhǎng)春理工大學(xué);2011年

7 谷宇航;矢量地理空間數(shù)據(jù)并行拓?fù)渌惴ㄔO(shè)計(jì)與實(shí)現(xiàn)[D];解放軍信息工程大學(xué);2015年

8 王仲剛;基于云計(jì)算的海量高鐵噪聲數(shù)據(jù)并行處理方法研究[D];西南交通大學(xué);2013年

9 楊帆;OpenProbe地震體數(shù)據(jù)并行渲染機(jī)制及實(shí)現(xiàn)[D];吉林大學(xué);2015年

10 宋岸峰;實(shí)時(shí)數(shù)據(jù)并行壓縮技術(shù)的研究[D];華中科技大學(xué);2012年

本文編號(hào)：2837059