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