專利名稱：一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種快速?gòu)拇殴舱衲X部圖像提取腦組織方法，該方法基于BET算法和GPU加速技術(shù)。
背景技術(shù)：
人腦是人體重要的器官之一，對(duì)于人腦功能的探求無(wú)疑是非常有意義的事情。fMRI (功能磁共振成像)技術(shù)自上世紀(jì)90年代初問(wèn)世以來(lái)，作為一種非常有效的研究腦功能的非介入技術(shù)，已經(jīng)成為最廣泛使用的腦功能研究手段，不僅可以研究人類大腦聽(tīng)覺(jué)、視覺(jué)和記憶等常規(guī)認(rèn)知功能，甚至可以應(yīng)用于研究人類的心理、鑒別說(shuō)謊等領(lǐng)域。在利用腦部功能圖像研究人類大腦認(rèn)知功能時(shí)，常需要將分辨率較低的功能圖像與高分辨率磁共振圖像進(jìn)行配準(zhǔn)以得到結(jié)構(gòu)信息。然而由于成像機(jī)理，功能圖像一般僅包含腦組織，故配準(zhǔn)前需將腦組織從高分辨率磁共 振圖像提取出來(lái)，提取結(jié)果對(duì)后續(xù)處理有很大影響。腦組織提取的另外一個(gè)重要應(yīng)用是臨床，很多腦部疾病如腦積水，腦萎縮，老年癡呆癥等都與腦組織容量有關(guān)。此外，腦組織提取在研究大腦皮層結(jié)構(gòu)領(lǐng)域、腦部圖像分割領(lǐng)域、腦電信號(hào)定位、大腦發(fā)育檢測(cè)、腦疾病術(shù)后檢查等領(lǐng)域有重要的應(yīng)用。在腦科學(xué)研究及臨床應(yīng)用中，對(duì)腦組織提取的速度、精度及穩(wěn)定性提出了很高的要求。提取方法主要分手動(dòng)和自動(dòng)方法兩類，手動(dòng)方法精度高，但需大量交互，費(fèi)時(shí)費(fèi)力，并具主觀性；自動(dòng)方法雖然參數(shù)較多，性能不夠穩(wěn)定，處理時(shí)間長(zhǎng)，但是無(wú)需或僅需用戶少量交互，故是主流研究方向。自動(dòng)方法當(dāng)參數(shù)選定不佳時(shí)，需重新給定參數(shù)進(jìn)行提取。如提取算法能夠達(dá)到實(shí)時(shí)處理能力(例如處理時(shí)間〈I秒)，則用戶僅需拖動(dòng)鼠標(biāo)改變參數(shù)，提取結(jié)果立馬能夠得到，這種所調(diào)即所得的方法將極大提高用戶的接受度及處理效果。HUhne提出了基于閾值和形態(tài)學(xué)的提取方法，該方法需用戶交互，提供各種閾值，而且同一三維序列中的不同圖像參數(shù)不同，故不適合用作三維腦組織提取。Sandor提出了基于邊界提取和形態(tài)學(xué)的提取方法，效果要好于基于閾值和形態(tài)學(xué)的提取方法。Shattuck對(duì)Sandor的方法進(jìn)行了改進(jìn)，開(kāi)發(fā)了腦組織提取工具軟件BSE (Brain Surface Extraction),集成于腦分析軟件Brainsuite中。Cox采用高斯混合模型去估計(jì)三維序列中各圖像的分割閾值參數(shù)進(jìn)行分割，再采用表面平滑及形態(tài)學(xué)處理實(shí)現(xiàn)腦組織自動(dòng)提取，該方法集成在腦功能分析軟件ANFI中。Huang先采用高斯混合模型對(duì)腦圖像進(jìn)行粗分割,然后基于測(cè)地(Geodesic)活動(dòng)輪廓模型提取邊界輪廓，缺點(diǎn)是速度較慢，算法容易局部收斂。Dale提出了一種基于可變形點(diǎn)陣模型的腦組織自動(dòng)提取方法，該方法定義了平滑力和全局約束的推動(dòng)力，通過(guò)迭代的方式快速推動(dòng)點(diǎn)陣快速演化到腦組織邊界。Smith對(duì)Dale的方法進(jìn)行了改進(jìn)，開(kāi)發(fā)了一種當(dāng)前常用的腦組織提取工具BET (Brain Extraction Tool),集成在腦分析軟件FSL和MRIcix)中。BET的優(yōu)點(diǎn)是速度很快，在處理合成圖像時(shí)，效果較好，缺點(diǎn)是處理真實(shí)圖像時(shí)效果往往不好。在BET的基礎(chǔ)上，江提出了改進(jìn)的BET算法。以上基于可變形點(diǎn)陣模型的方法無(wú)需采用形態(tài)學(xué)，且全局約束的推動(dòng)力能將輪廓曲線快速貼近到腦組織邊界周?chē)?，具有全局收斂性，算法比較穩(wěn)定，然而也正是因?yàn)椴捎萌旨s束的推動(dòng)力及采用離散的點(diǎn)陣擬合腦組織輪廓，得到的腦組織邊界也不夠精確。以上這些方法均不能實(shí)現(xiàn)腦組織實(shí)時(shí)提取。近年來(lái)，計(jì)算機(jī)顯卡的運(yùn)算單元(GPU)速度越來(lái)越快，在某些應(yīng)用上，甚至已經(jīng)大幅的超越CPU。2008年，NVIDIA GTX260+具有216個(gè)流處理器，其性能可達(dá)到800Gigaflops (I個(gè)gigaflop意味每秒可處理10億次浮點(diǎn)運(yùn)算作業(yè))，價(jià)格只有1000人民幣左右。而Intel的頂級(jí)4核的Core 2 Extreme 9650 CPU的性能只能達(dá)到96Gigaflops。因此，很多研究人員開(kāi)創(chuàng)了一個(gè)新的研究領(lǐng)域:基于GPU的通用計(jì)算(GPGPU —General Purpose Computing on Graphics Processing Units),其主要石開(kāi)究?jī)?nèi)容是，除了在圖形處理以外，如何利用GPU來(lái)進(jìn)行更為廣泛的應(yīng)用計(jì)算。NVIDIA公司近期推出了類似C++語(yǔ)法的CUDA編程模型來(lái)支持圖形處理器的通用計(jì)算，為GPGPU提供了便捷的開(kāi)發(fā)研究平臺(tái)。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法，該方法采用GPU加速技術(shù)去提高BET (brain extraction tool,腦組織提取工具)算法的運(yùn)行速度,該提取方法與傳統(tǒng)提取方法相比，具有很高的實(shí)時(shí)性。本發(fā)明的上述目的通過(guò)如下技術(shù)方案來(lái)實(shí)現(xiàn)的:一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法，它包括如下步驟:
1)初始圖像數(shù)據(jù)，從硬盤(pán)中讀入三維腦部磁共振圖像，該圖像由K幅二維圖像組成；
2)初始化三維腦組織輪廓數(shù)據(jù)，為一個(gè)球面；
3)初始化GPU數(shù)據(jù)；該步驟由兩個(gè)部分組成:
(3a)為GPU初始化K個(gè)線程塊，每個(gè)線程塊對(duì)應(yīng)一幅二維圖像；
(3b)在每個(gè)線程塊中初始化M個(gè)線程，每個(gè)線程對(duì)應(yīng)一個(gè)三維腦組織輪廓的頂點(diǎn)；
4)初始化的這K*M個(gè)線程在GPU中并行調(diào)用BET算法，同時(shí)計(jì)算每個(gè)三維腦組織輪廓的頂點(diǎn)的新位置，經(jīng)過(guò)N次迭代得到最終的三維腦組織輪廓。所述步驟4)是采用NVIDIA公司的支持CUDA技術(shù)的GPU實(shí)現(xiàn)的。將傳統(tǒng)的串行的BET算法進(jìn)行通過(guò)CUDA技術(shù)轉(zhuǎn)換成并行算法，從而實(shí)現(xiàn)實(shí)時(shí)處理。先對(duì)GPU線程塊及線程做初始化，將GPU線程塊及線程和腦組織輪廓點(diǎn)陣一一對(duì)應(yīng)的處理，如此初試化后方能將傳統(tǒng)的串行的BET算法進(jìn)行通過(guò)CUDA技術(shù)轉(zhuǎn)換成并行算法。所設(shè)計(jì)的并行算法的處理時(shí)間小于I秒，能夠?qū)崿F(xiàn)實(shí)時(shí)處理。與現(xiàn)有技術(shù)相比，具有以下有益效果:
常規(guī)BET算法以串行方法不停迭代來(lái)實(shí)現(xiàn)，每次迭代時(shí)，輪廓上的頂點(diǎn)位置逐個(gè)計(jì)算，如果一個(gè)輪廓包含M個(gè)頂點(diǎn),迭代次數(shù)為N次,那么需要做M*N次循環(huán)才能得到一副MR盧頁(yè)腦圖像腦組織輪廓，如果要處理一個(gè)包含K幅圖像的MR腦部圖像序列，則需要M*N*K次循環(huán)(本文取1=256，#200，1(=60)?？梢?jiàn)采用串行方法實(shí)現(xiàn)BET算法需大量的循環(huán)計(jì)算，難以達(dá)到實(shí)時(shí)處理的要求。而本發(fā)明提出的方法每次迭代時(shí)，輪廓上每個(gè)頂點(diǎn)位置的更新是并行計(jì)算的，這樣那么只需要做N次循環(huán)就能得到一副MR顱腦圖像腦組織輪廓。進(jìn)一步可以將一個(gè)MR腦部圖像序列中K幅圖像并行處理，那么只需要做N次循環(huán)就能得到這K幅MR顱腦圖像腦組織輪廓。通過(guò)并行計(jì)算方式大大減少循環(huán)迭代次數(shù)，處理時(shí)間少于I秒，可以實(shí)現(xiàn)MR腦部圖像序列實(shí)時(shí)處理的要求。


圖1為常規(guī)BET算法流程 圖2為本發(fā)明BET算法流程 圖3為本發(fā)明GPU初始化說(shuō)明 圖4為本發(fā)明的提取結(jié)果。
具體實(shí)施例方式一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法，如圖1、圖2、圖3、圖4所示，它包括如下步驟:
步驟1，從計(jì)算機(jī)硬盤(pán)中讀入K幅腦部磁共振圖像序列，構(gòu)成一個(gè)三維腦部磁共振圖像。分別存儲(chǔ)到計(jì)算機(jī)內(nèi)存和顯存中；
步驟2，初始化三維腦組織輪廓數(shù)據(jù)，為一個(gè)球面，該數(shù)據(jù)以一個(gè)K*M的浮點(diǎn)數(shù)組的形式存儲(chǔ)在顯存中，其中K為三維腦部磁共振圖像序列中的圖像數(shù)目，M為構(gòu)成二維腦組織輪廓的點(diǎn)陣數(shù)目。步驟3，初始化GPU線程，為GPU初始化K個(gè)線程塊，每個(gè)線程塊對(duì)應(yīng)腦部磁共振圖像序列中的一幅二維圖像，線程塊的編號(hào)和二維圖像的編號(hào)一一對(duì)應(yīng)；
步驟4，初始化線程塊中的線程，每個(gè)線程塊初始化M個(gè)線程，每個(gè)線程對(duì)應(yīng)二維腦組織輪廓中的一個(gè)點(diǎn)，線程的編號(hào)和點(diǎn)陣的編號(hào)對(duì)應(yīng)；
步驟5，初始化完成后，采用GPU多線程并行運(yùn)算方法，這K*M個(gè)線程在GPU中并行調(diào)用BET算法，同時(shí)計(jì)算每個(gè)三維腦組織輪廓的頂點(diǎn)的新位置。經(jīng)過(guò)N次迭代得到最終的三維腦組織輪廓；
所述步驟5)中的BET算法及其處理過(guò)程如下:
(5a)根據(jù)相鄰頂點(diǎn)的位置及灰度信息計(jì)算推動(dòng)該頂點(diǎn)運(yùn)動(dòng)的三個(gè)力分別是:平行于輪廓切線的拉力％，該力使輪廓點(diǎn)保持間距(該間距不太小也不太大)；垂直于輪廓切線的
平滑力U2，該力和輪廓的曲率有關(guān)使得輪廓平滑；垂直于輪廓切線的擴(kuò)張力％，該力使得輪廓向外或向內(nèi)演化。這三個(gè)力的定義如下:
權(quán)利要求
1.一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法，其特征是如下步驟: 1)初始圖像數(shù)據(jù)，從硬盤(pán)中讀入三維腦部磁共振圖像，該圖像由K幅二維圖像組成； 2)初始化三維腦組織輪廓數(shù)據(jù)，為一個(gè)球面； 3)初始化GPU數(shù)據(jù)；該步驟由兩個(gè)部分組成: (3a)為GPU初始化K個(gè)線程塊，每個(gè)線程塊對(duì)應(yīng)一幅二維圖像； (3b)在每個(gè)線程塊中初始化M個(gè)線程，每個(gè)線程對(duì)應(yīng)一個(gè)三維腦組織輪廓的頂點(diǎn)； 4)初始化的這K*M個(gè)線程在GPU中并行調(diào)用BET算法，同時(shí)計(jì)算每個(gè)三維腦組織輪廓的頂點(diǎn)的新位置，經(jīng)過(guò)N次迭代得到最終的三維腦組織輪廓。
2.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法，其特征在于:所述步驟4)是采用NVIDIA公司的支持CUDA技術(shù)的GPU實(shí)現(xiàn)的。
3.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法，其特征在于:將傳統(tǒng)的串行的BET算法進(jìn)行通過(guò)CUDA技術(shù)轉(zhuǎn)換成并行算法，從而實(shí)現(xiàn)實(shí)時(shí)處理。
4.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法，其特征在于:先對(duì)GPU線程塊及線程做初始化，將GPU線程塊及線程和腦組織輪廓點(diǎn)陣一一對(duì)應(yīng)的處理，如此初試化后方能將傳統(tǒng)的串行的BET算法進(jìn)行通過(guò)CUDA技術(shù)轉(zhuǎn)換成并行算法。
5.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法，其特征在于:所設(shè)計(jì)的并行算法的處理時(shí)間小于I秒，能夠?qū)崿F(xiàn)實(shí)時(shí)處理。
全文摘要
本發(fā)明公開(kāi)了一種實(shí)時(shí)的從磁共振腦部圖像提取腦組織方法，本方法主要采用了BET算法和GPU并行計(jì)算技術(shù)，通過(guò)CUDA技術(shù)將傳統(tǒng)的串行的BET算法轉(zhuǎn)換并行算法，從而實(shí)現(xiàn)腦組織的實(shí)時(shí)提取。它包括1)讀入三維腦部磁共振圖像序列到計(jì)算機(jī)內(nèi)存和GPU顯存；2)初始化腦組織輪廓點(diǎn)陣和GPU線程塊及線程，將GPU線程塊及線程和腦組織輪廓點(diǎn)陣一一對(duì)應(yīng)；3)在GPU中多線程并行調(diào)用BET算法，同時(shí)計(jì)算每個(gè)三維腦組織輪廓的頂點(diǎn)的新位置。經(jīng)過(guò)N次迭代得到最終的三維腦組織輪廓。
文檔編號(hào)G06F9/38GK103177448SQ20131009804
公開(kāi)日2013年6月26日 申請(qǐng)日期2013年3月26日 優(yōu)先權(quán)日2013年3月26日
發(fā)明者江少鋒, 楊素華, 陳震, 余祖龍 申請(qǐng)人:南昌航空大學(xué)