第五章 實驗結果
5.3 細胞
我們由同步輻射中心獲取得的細胞之多角度投影的影像來做對位,由於分析 sinogram 除了有一些雜訊之外,大概會呈現不規律的上下左右偏移震動。我們先 將原始影像做 mean filter 去除雜訊,然後在利用 sobel filter 對影像做 edge detection,得到處理後的影像,將像素值二十以下的背景部分設定成 0,其他 部份是邊界輪廓就保留下來,把有 0 的 joint histogram 存放在 shared memory 內,我們再利用 MI 的方法來做 Alignment,一共有四個不同的細胞影像。
細胞一
原始的影像: sobel filter 後的影像:
對位的結果:
圖 5-2 (a) 細胞一第 10 張 (b) 第 71 張
細胞一處理時間
GPU 9800GT CPU
平均跑一個 slice 約 13 秒 平均跑一個 slice 約 209 秒
GPU GTX 260 CPU
平均跑一個 slice 約 8.5 秒 平均跑一個 slice 約 209 秒
GPU 9600GT CPU
平均跑一個 slice 約 15 秒 平均跑一個 slice 約 209 秒
GPU 8600GT CPU
平均跑一個 slice 約 35 秒 平均跑一個 slice 約 209 秒
細胞二
原始的影像: sobel filter 後的影像:
對位的結果:
圖 5-3 (a) 細胞二第 10 張 (b) 第 71 張
細胞二處理時間
GPU 9800GT CPU
平均跑一個 slice 約 22 秒 平均跑一個 slice 約 209 秒
細胞三
原始的影像: sobel filter 後的影像:
對位的結果:
圖 5-4 (a) 細胞三第 10 張 (b) 第 71 張
細胞三處理時間
GPU 9800GT CPU
平均跑一個 slice 約 15 秒 平均跑一個 slice 約 208 秒
細胞四
原始的影像: sobel filter 後的影像:
對位的結果:
圖 5-5 (a) 細胞四第 10 張 (b) 第 71 張
細胞四處理時間
GPU 9800GT CPU
平均跑一個 slice 約 15 秒 平均跑一個 slice 約 209 秒
原則上邊緣特徵愈少的影像,sobel filter 後像素值是 0 的部分會比較多,
joint histogram 在 shared memory 存入的部分也會比較多,在 global memory 存入的部份就會比較少,所以 GPU 的執行效能會比較好。我們可以知道執行愈多 次 global memory 的 atomic operation 的存入,GPU 的執行效能就會下降,我 們的結果也就顯示了 shared memory 是 CUDA 加速的重要核心,shared memory 比 global memory 執行速度快很多。
第六章 未來展望
我們可以知道利用 MI 做影像對位的方法需要大量的時間。所以,如何運用 特徵點,減少在座標系統上搜尋的範圍,是我們未來可以改善的目標。
計算 MI 所需的記憶體太大,是我們主要的困難,shared memory 是 GPU 的 加快速度的核心,所以我們儘量將大部分的資料在 shared memory 內處理,以提 升我們的執行效能,記憶體也是未來 GPU 改進的主要目標。
對於 joint histogram 找尋一個抽樣估計的方式也是一個改進的方向,雖然可 能未必對於每個影像都會完全正確,但是對於某些影像或許可以有很好的結果,
而且可以大幅減少執行時間,這也是我們未來可以改進的方向。
參考文獻
[1] L. G. Brown,” A Survey of Image Registration Techniques”ACM Computing Surveys ,vol 24, No. 4 , pp. 1–66, December1992
[2] Compute Unified Device Architecture (CUDA) Programming Guide.
http://developer.nvidia.com/object/cuda.html: NVIDIA, 2007.
[3]M. Holden, D. L. G. Hill, E. R. E. Denton, J. M. Jarosz, T. C. S. Cox, T. Rohlfing, J. Goodey, and D. J. Hawkes, “Voxel similarity measures for 3-D serial MR brain image registration,” IEEE Trans. Med. Imag., vol. 19, pp. 95–101, Feb. 2000.
[4] J. P. W. Pluim, J. B. A. Maintz, and M. A. Viergever,” Mutual-Information-Based
Registration of Medical Images A Survey” IEEE Trans. Med. Imag, vol. 22, NO.
8, AUGUST 2003
[5] C. E. Shannon, “A mathematical theory of communication,” Bell Syst. Tech. J.,
vol. 27, p. 379–423/623–656, 1948
[6] F. Maes, A. Collignon, D. Vandermeulen, G. Marchal, and P. Suetens,
“Multimodality image registration by maximization of mutual information,”
IEEE Trans. Med. Imag., vol. 16, pp. 186–202, Apr. 1997