RT Dissertation/Thesis
T1 Novel high performance techniques for high definition computer aided tomography
A1 Serrano López, Estefania
AB Medical image processing is an interdisciplinary field in which multiple research areas are involved:image acquisition, scanner design, image reconstruction algorithms, visualization, etc.X-Ray Computed Tomography (CT) is a medical imaging modality based on the attenuationsuffered by the X-rays as they pass through the body. Intrinsic differences in attenuation propertiesof bone, air, and soft tissue result in high-contrast images of anatomical structures. Themain objective of CT is to obtain tomographic images from radiographs acquired using X-Rayscanners. The process of building a 3D image or volume from the 2D radiographs is known asreconstruction. One of the latest trends in CT is the reduction of the radiation dose deliveredto patients through the decrease of the amount of acquired data. This reduction results in artefactsin the final images if conventional reconstruction methods are used, making it advisable toemploy iterative reconstruction algorithms.There are numerous reconstruction algorithms available, from which we can highlight twospecific types: traditional algorithms, which are fast but do not enable the obtaining of highquality images in situations of limited data; and iterative algorithms, slower but more reliablewhen traditional methods do not reach the quality standard requirements. One of the prioritiesof reconstruction is the obtaining of the final images in near real time, in order to reduce thetime spent in diagnosis. To accomplish this objective, new high performance techniques and methodsfor accelerating these types of algorithms are needed. This thesis addresses the challengesof both traditional and iterative reconstruction algorithms, regarding acceleration and imagequality. One common approach for accelerating these algorithms is the usage of shared-memoryand heterogeneous architectures. In this thesis, we propose a novel simulation/reconstructionframework, namely FUX-Sim. This framework follows the hypothesis that the development ofnew flexible X-ray systems can benefit from computer simulations, which may also enable performanceto be checked before expensive real systems are implemented. Its modular designabstracts the complexities of programming for accelerated devices to facilitate the developmentand evaluation of the different configurations and geometries available. In order to obtain nearreal execution times, low-level optimizations for the main components of the framework areprovided for Graphics Processing Unit (GPU) architectures.Other alternative tackled in this thesis is the acceleration of iterative reconstruction algorithmsby using distributed memory architectures. We present a novel architecture that unifiesthe two most important computing paradigms for scientific computing nowadays: High PerformanceComputing (HPC). The proposed architecture combines Big Data frameworks with theadvantages of accelerated computing.The proposed methods presented in this thesis provide more flexible scanner configurationsas they offer an accelerated solution. Regarding performance, our approach is as competitive asthe solutions found in the literature. Additionally, we demonstrate that our solution scales withthe size of the problem, enabling the reconstruction of high resolution images.
AB El procesamiento de imágenes médicas es un campo interdisciplinario en el que participan múltiplesáreas de investigación como la adquisición de imágenes, diseño de escáneres, algoritmos dereconstrucción de imágenes, visualización, etc. La tomografía computarizada (TC) de rayos X esuna modalidad de imágen médica basada en el cálculo de la atenuación sufrida por los rayos X amedida que pasan por el cuerpo a escanear. Las diferencias intrínsecas en la atenuación de hueso,aire y tejido blando dan como resultado imágenes de alto contraste de estas estructuras anatómicas.El objetivo principal de la TC es obtener imágenes tomográficas a partir estas radiografíasobtenidas mediante escáneres de rayos X. El proceso de construir una imagen o volumen en 3D apartir de las radiografías 2D se conoce como reconstrucción. Una de las últimas tendencias en latomografía computarizada es la reducción de la dosis de radiación administrada a los pacientesa través de la reducción de la cantidad de datos adquiridos. Esta reducción da como resultadoartefactos en las imágenes finales si se utilizan métodos de reconstrucción convencionales, porlo que es aconsejable emplear algoritmos de reconstrucción iterativos.Existen numerosos algoritmos de reconstrucción disponibles a partir de los cuales podemosdestacar dos categorías: algoritmos tradicionales, rápidos pero no permiten obtener imágenes dealta calidad en situaciones en las que los datos son limitados; y algoritmos iterativos, más lentospero más estables en situaciones donde los métodos tradicionales no alcanzan los requisitos encuanto a la calidad de la imagen. Una de las prioridades de la reconstrucción es la obtenciónde las imágenes finales en tiempo casi real, con el fin de reducir el tiempo de diagnóstico. Paralograr este objetivo, se necesitan nuevas técnicas y métodos de alto rendimiento para acelerarestos algoritmos.Esta tesis aborda los desafíos de los algoritmos de reconstrucción tradicionales e iterativos,con respecto a la aceleración y la calidad de imagen. Un enfoque común para acelerar estosalgoritmos es el uso de arquitecturas de memoria compartida y heterogéneas. En esta tesis,proponemos un nuevo sistema de simulación/reconstrucción, llamado FUX-Sim. Este sistema seconstruye alrededor de la hipótesis de que el desarrollo de nuevos sistemas de rayos X flexiblespuede beneficiarse de las simulaciones por computador, en los que también se puede realizarun control del rendimiento de los nuevos sistemas a desarrollar antes de su implementaciónfísica. Su diseño modular abstrae las complejidades de la programación para aceleradores con elobjetivo de facilitar el desarrollo y la evaluación de las diferentes configuraciones y geometríasdisponibles. Para obtener ejecuciones en casi tiempo real, se proporcionan optimizaciones debajo nivel para los componentes principales del sistema en las arquitecturas GPU.Otra alternativa abordada en esta tesis es la aceleración de los algoritmos de reconstruccióniterativa mediante el uso de arquitecturas de memoria distribuidas. Presentamos una arquitecturanovedosa que unifica los dos paradigmas informáticos más importantes en la actualidad:computación de alto rendimiento (HPC) y Big Data. La arquitectura propuesta combina sistemasBig Data con las ventajas de los dispositivos aceleradores.Los métodos propuestos presentados en esta tesis proporcionan configuraciones de escánermás flexibles y ofrecen una solución acelerada. En cuanto al rendimiento, nuestro enfoque es tancompetitivo como las soluciones encontradas en la literatura. Además, demostramos que nuestrasolución escala con el tamaño del problema, lo que permite la reconstrucción de imágenes dealta resolución.
YR 2018
FD 2018-09
LK https://hdl.handle.net/10016/28153
UL https://hdl.handle.net/10016/28153
LA eng
NO Mención Internacional en el título de doctor
NO This work has been mainly funded thanks to a FPU fellowship (FPU14/03875) from the SpanishMinistry of Education.It has also been partially supported by other grants:• DPI2016-79075-R. “Nuevos escenarios de tomografía por rayos X”, from the Spanish Ministryof Economy and Competitiveness.• TIN2016-79637-P Towards unification of HPC and Big Data Paradigms from the SpanishMinistry of Economy and Competitiveness.• Short-term scientific missions (STSM) grant from NESUS COST Action IC1305.• TIN2013-41350-P, Scalable Data Management Techniques for High-End Computing Systemsfrom the Spanish Ministry of Economy and Competitiveness.• RTC-2014-3028-1 NECRA Nuevos escenarios clinicos con radiología avanzada from theSpanish Ministry of Economy and Competitiveness.
DS e-Archivo
RD 18 jul. 2024