Advertisement

CUDA Optimierung von nicht-linearer oberflächen- und intensitätsbasierter Registrierung

  • Stefan KöhnenEmail author
  • Jan Ehrhardt
  • Alexander Schmidt-Richberg
  • Heinz Handels
Chapter
Part of the Informatik aktuell book series (INFORMAT)

Kurzfassung

Die vorliegende Arbeit beschäftigt sich mit der Implementierung von Teilen eines Registrierungsalgorithmus in der Compute Unified Device Architecture (CUDA) von NVIDIA und der daraus resultierenden Zeitersparnis. Es wurden die einzelnen Schritte des Registrierungsalgorithmus analysiert und auf ihre Parallelisierbarkeit untersucht. Die Implementierungen wurden anhand von 20 thorakalen CT-Datens ätzen evaluiert und der SpeedUp berechnet. Es wurde eine Beschleunigung vom Faktor 143 bei der TPS Interpolation und ein Faktor 12 beim Image Warping erreicht. Obwohl nur 2 Teilschritte auf der GPU umgesetzt wurden, konnte ein Speedup des Gesamtverfahren von 2.175 erreicht werden. Dies zeigt das eine GPU-Implementierung effizienter als eine CPU-basierte Parallelisierung sein kann.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. 1.
    Ehrhardt J, Werner R, Schmidt-Richberg A, et al. Statistical modeling of 4D respiratory lung motion using diffeomorphic image registration. IEEE Trans Med Imaging. 2010; p. 1–1. (accepted).Google Scholar
  2. 2.
    Schmidt-Richberg A, Ehrhardt J, Werner R, et al. Diffeomorphic diffusion registration of lung CT images. Med Image Anal for the Clin Grand Challenge. 2010; p. 55–62.Google Scholar
  3. 3.
    Modat M, Ridgway GR, Taylor ZA, et al. Fast free-form deformation using graphics processing units. Comput Methods Programs Biomed. 2010;98(3):278–84.CrossRefGoogle Scholar
  4. 4.
    Köhn J, Drexl F, Köonig M, et al. GPU accelerated image registration in two and three dimensions. In: Proc BVM. Springer; 2006. p. 261–5.Google Scholar
  5. 5.
    Garcia V, Debreuve E, Barlaud M. Fast k nearest neighbor search using GPU. In: Proc CVPR Workshop on Computer Vision on GPU. Anchorage, Alaska, USA; 2008. p. 1–14.Google Scholar
  6. 6.
    Nguyen H. GPU Gems 3. Addison-Wesley Professional; 2007.Google Scholar
  7. 7.
    Amdahl GM. Validity of the single processor approach to achieving large scale computing capabilities. Proc AFIPS (Spring). 1967; p. 483–5.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2011

Authors and Affiliations

  • Stefan Köhnen
    • 1
    Email author
  • Jan Ehrhardt
    • 1
  • Alexander Schmidt-Richberg
    • 1
  • Heinz Handels
    • 1
  1. 1.Institut für Medizinische InformatikUniversität zu LübeckLübeckDeutschland

Personalised recommendations