换一批海马体磁共振图像分割:基于先验信息的三维格子玻尔兹曼方法及其并行加速
Hippocampus MRI Parallel Segmentation Using Three Dimensions Lattice Boltzmann Model with Prior Information
摘要在脑部磁共振图像中分割海马体,快速准确地获得其体积变化情况,对于阿尔茨海默症等疾病的诊断具有重要意义.三维分割可利用图像在灰度和空间位置上的相关性,因此具有较高的准确率.该文提出了一种利用三维格子玻尔兹曼模型,结合形变模型曲面演化思想,以先验信息作为外力项,约束三维曲面演化的方法.为解决三维分割由于演化曲面复杂所带来的计算代价高的问题,分别在单GPU平台和双GPU平台上实现了方法的并行计算.为验证该文方法的准确性与效率,对20组采自ADNI数据库的阿尔茨海默症患者脑部磁共振图像进行分割实验.在保证分割精度的前提下,将原来需要132.43 s完成的分割,在单GPU平台上缩减至12.76 s,在双GPU平台上缩减至17.32 s,充分验证了格子玻尔兹曼方法可高度并行化的特点.
更多相关知识
关键词
海马体磁共振图像分割三维格子玻尔兹曼方法GPU并行计算hippocampusMR image segmentationthree-dimensional lattice Boltzmann methodGPU parallel computing
栏目名称
DOI
10.3969/j.issn.1671-7104.2018.01.001
发布时间
2018-03-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览93
- 被引5
- 下载60
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
