基于GPU的IVOCT图像管腔分割算法
为了解决传统的CPU串行算法对血管内光学相干断层扫描(IVOCT)图像进行管腔分割时耗时较多的问题,提出一种基于图形处理器(GPU)的IVOCT图像管腔分割算法.首先,分析基于CPU管腔分割算法可知算法最耗时的两部分是坐标转换算法获取极坐标图像和动态规划算法获取管腔内壁轮廓.接着,分析坐标转换算法和动态规划算法的并行性,在统一设备架构(CUDA)下实现GPU加速优化.最后,在MATLAB中进行仿真实验,定量分析GPU加速后的坐标转换算法、动态规划算法以及最终管腔分割算法的优化性能.实验表明,基于GPU的管腔分割算法较CPU串行算法达到21倍加速比,能够对IVOCT图像序列进行快速处理,基本满足了冠状动脉疾病诊断和治疗的实际需求.
CUDA、GPU、管腔分割、IVOCT图像序列、冠状动脉疾病
13
TP391.54(计算技术、计算机技术)
2017-11-27（万方平台首次上网日期，不代表论文的发表时间）
共3页
198-200
