Published March 1, 2020 | Version v1
Publication Open

Efficient CT Image Reconstruction in a GPU Parallel Environment

Creators

  • 1. Benemérita Universidad Autónoma de Puebla
  • 2. Universidad Nacional Autónoma de México

Description

Computed tomography is nowadays an indispensable tool in medicine used to diagnose multiple diseases. In clinical and emergency room environments, the speed of acquisition and information processing are crucial. CUDA is a software architecture used to work with NVIDIA graphics processing units. In this paper a methodology to accelerate tomographic image reconstruction based on maximum likelihood expectation maximization iterative algorithm and combined with the use of graphics processing units programmed in CUDA framework is presented. Implementations developed here are used to reconstruct images with clinical use. Timewise, parallel versions showed improvement with respect to serial implementations. These differences reached, in some cases, 2 orders of magnitude in time while preserving image quality. The image quality and reconstruction times were not affected significantly by the addition of Poisson noise to projections. Furthermore, our implementations showed good performance when compared with reconstruction methods provided by commercial software. One of the goals of this work was to provide a fast, portable, simple, and cheap image reconstruction system, and our results support the statement that the goal was achieved.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يعد التصوير المقطعي في الوقت الحاضر أداة لا غنى عنها في الطب تستخدم لتشخيص أمراض متعددة. في البيئات السريرية وغرف الطوارئ، تعد سرعة الحصول على المعلومات ومعالجتها أمرًا بالغ الأهمية. CUDA هي بنية برمجية تستخدم للعمل مع وحدات معالجة الرسومات NVIDIA. في هذه الورقة، يتم تقديم منهجية لتسريع إعادة بناء الصورة المقطعية بناءً على خوارزمية تكرارية لتعظيم توقع الاحتمال الأقصى وجنباً إلى جنب مع استخدام وحدات معالجة الرسومات المبرمجة في إطار عمل CUDA. تُستخدم التطبيقات التي تم تطويرها هنا لإعادة بناء الصور ذات الاستخدام السريري. في الوقت المناسب، أظهرت الإصدارات المتوازية تحسنًا فيما يتعلق بالتنفيذات التسلسلية. وصلت هذه الاختلافات، في بعض الحالات، إلى رتبتين من حيث الحجم في الوقت المناسب مع الحفاظ على جودة الصورة. لم تتأثر جودة الصورة وأوقات إعادة البناء بشكل كبير بإضافة ضوضاء بواسون إلى الإسقاطات. علاوة على ذلك، أظهرت تطبيقاتنا أداءً جيدًا عند مقارنتها بطرق إعادة الإعمار التي توفرها البرامج التجارية. كان أحد أهداف هذا العمل هو توفير نظام سريع ومحمول وبسيط ورخيص لإعادة بناء الصور، وتدعم نتائجنا القول بأن الهدف قد تحقق.

Translated Description (French)

La tomodensitométrie est aujourd'hui un outil indispensable en médecine utilisé pour diagnostiquer de multiples maladies. Dans les environnements cliniques et d'urgence, la vitesse d'acquisition et de traitement des informations est cruciale. CUDA est une architecture logicielle utilisée pour travailler avec les unités de traitement graphique NVIDIA. Dans cet article, une méthodologie pour accélérer la reconstruction d'images tomographiques basée sur un algorithme itératif de maximisation de l'espérance de probabilité maximale et combinée à l'utilisation d'unités de traitement graphique programmées dans le cadre CUDA est présentée. Les implémentations développées ici sont utilisées pour reconstruire des images à usage clinique. Dans le temps, les versions parallèles ont montré une amélioration par rapport aux implémentations en série. Ces différences ont atteint, dans certains cas, 2 ordres de grandeur dans le temps tout en préservant la qualité de l'image. La qualité de l'image et les temps de reconstruction n'ont pas été affectés de manière significative par l'ajout du bruit de Poisson aux projections. De plus, nos implémentations ont montré de bonnes performances par rapport aux méthodes de reconstruction fournies par les logiciels commerciaux. L'un des objectifs de ce travail était de fournir un système de reconstruction d'image rapide, portable, simple et bon marché, et nos résultats corroborent l'affirmation selon laquelle l'objectif a été atteint.

Translated Description (Spanish)

La tomografía computarizada es hoy en día una herramienta indispensable en medicina para el diagnóstico de múltiples enfermedades. En los entornos clínicos y de urgencias, la velocidad de adquisición y el procesamiento de la información son cruciales. CUDA es una arquitectura de software utilizada para trabajar con unidades de procesamiento gráfico NVIDIA. En este artículo se presenta una metodología para acelerar la reconstrucción de imágenes tomográficas basada en el algoritmo iterativo de maximización de la expectativa de máxima verosimilitud y combinada con el uso de unidades de procesamiento gráfico programadas en el marco CUDA. Las implementaciones desarrolladas aquí se utilizan para reconstruir imágenes con uso clínico. En cuanto al tiempo, las versiones paralelas mostraron una mejora con respecto a las implementaciones en serie. Estas diferencias alcanzaron, en algunos casos, 2 órdenes de magnitud en el tiempo conservando la calidad de la imagen. La calidad de la imagen y los tiempos de reconstrucción no se vieron afectados significativamente por la adición de ruido de Poisson a las proyecciones. Además, nuestras implementaciones mostraron un buen rendimiento en comparación con los métodos de reconstrucción proporcionados por el software comercial. Uno de los objetivos de este trabajo era proporcionar un sistema de reconstrucción de imágenes rápido, portátil, simple y barato, y nuestros resultados respaldan la afirmación de que se logró el objetivo.

Files

pdf.pdf

Files (2.9 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:120ebd41fec29328e558c84a703037c4
2.9 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
إعادة بناء صورة CT فعالة في بيئة موازية لوحدة معالجة الرسومات
Translated title (French)
Reconstruction efficace d'images CT dans un environnement parallèle GPU
Translated title (Spanish)
Reconstrucción eficiente de imágenes de TC en un entorno paralelo de GPU

Identifiers

Other
https://openalex.org/W3025337703
DOI
10.18383/j.tom.2020.00011

Is supplement to
https://openalex.org/W2951714568 (Other)
https://openalex.org/W2801815023 (Other)
https://openalex.org/W2757389719 (Other)
https://openalex.org/W2507293823 (Other)
https://openalex.org/W2386146599 (Other)
https://openalex.org/W2037595954 (Other)
https://openalex.org/W2018015402 (Other)
https://openalex.org/W1995070803 (Other)
https://openalex.org/W1988158806 (Other)
https://openalex.org/W1963814553 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Mexico

References

  • https://openalex.org/W1949839429
  • https://openalex.org/W1972150100
  • https://openalex.org/W1992065047
  • https://openalex.org/W1998254418
  • https://openalex.org/W2055844022
  • https://openalex.org/W2069629287
  • https://openalex.org/W2083927153
  • https://openalex.org/W2133665775
  • https://openalex.org/W2150903265
  • https://openalex.org/W2170773319