GPU 기반 고속 병렬 CT 영상 복원 기법 연구

Abstract

본 연구의 목적은 GPU 기반 고속 연산을 위한 알고리즘의 최적화이다. 프로젝션 영상을 생성하기 위한 ray-tracing 기법 중 ray 와 voxel 의 정확한 교차 길이를 구하는 방법으로는 최초로 제안된 Siddon 기법, 이의 속도를 개선한 Jacobs 기법, 그리고 다시 Jacobs 기법의 속도를 개선한 Zhao 기법 등이 있다. 그중 가장 고속인 Zhao 기법은 ray 가 통과할 때 동일한 좌표, 좌표 혹은 좌표를 가지는 voxel 들과의 교차 길이는 대부분 일정하다는 사실을 이용하여 교차 길이를 구하는 속도를 향상시켰다. 본 논문에서는 이에 더하여 동일한 교차 길이를 가지는 voxel 들의 개수를 미리 예측하여 속도를 더욱 향상시키는 방법을 제안하였다. 또한, NVIDIA 에서 제공하는 CUDA 플랫폼으로 GPGPU 병렬처리 프로그램을 이용하여 ray driven 기법을 사용하였을 때 더 빠른 프로젝션 연산을 진행하였다. 제안하는 알고리즘은 각 thread 들이 연산하는 프로젝션 값들은 2 차원 영상의 세로방향이나 가로방향으로 병렬화하여 모두 동일한 개수를 연산하게 한다. 이렇게 프로젝션이 진행된다면 각 검출기에 프로젝션 되는 값들의 연산 과정이 각각의 thread 이 모두 동시에 끝나게 되므로 warp divergence 가 발생하지 않게 된다. 그리고 불필요한 연산 과정을 없애기 위해서 프로젝션 연산에 필요한 범위를 미리 계산하여 사용함으로써 알고리즘을 더욱 최적화 하였다. 실험 결과, 기존의 방법보다 더 빠르게 영상을 복원하였다.;Fast computation of projection images is crucial in many applications such as medical image reconstruction. For fast computation, we improve two existing projection methods; the ray tracing method and ray driven method. Ray-tracing based method for computing projection image calculates the exact amounts of the intersection between voxels and a ray. To our knowledge, Zhao's method is the fastest one among ray tracing methods. We improve the speed of the Zhao's method by predicting the number of the same intersection length between voxel and a ray. In our experiment, the proposed method showed significantly faster computation speed than Zhao's method. We also investigate the ray driven methods for parallel computation of projection images and efficient implementation of the methods using CUDA (Compute Unified Device Architecture) on GPGPU (General-Purpose computing on Graphics Processing Units). We propose a method that each thread compute the projection values from a horizontal or a vertical array of a 2D voxel image to eliminate the warp divergence. In addition, we reduce computation time by removing unnecessary computation of projection values by pre-computing the range of detector pixels in which the projection values need to be computed. In our experiments, the proposed implementation was faster than conventional implementation.