医用画像位置合わせを対象にした結合ヒストグラム生成のGPUによる高速化

• 池田 圭

• 伊野 文彦

• 萩原 兼一

書誌事項

タイトル別名

• Accelerating Joint Histogram Computation for Medical Image Registration using the GPU

抄録

本稿では，医用画像位置合わせのための結合ヒストグラム生成を GPU （Graphics Processing Unit） により高速化する手法を提案する．提案手法は，結合ヒストグラムのデータサイズを削減し共有メモリ上に格納する．さらに，結合ヒストグラムのビンがオーバフローすることを防ぐために，共有メモリ上のデータをグローバルメモリに出力するフラッシュ機構を作成し，データを出力する際のグローバルメモリアクセス量を削減した．実験では，512 × 512 × 296 ボクセルからなる臨床画像を用いて提案手法の性能を評価した．結果として，Fermi アーキテクチャの GPU において，提案手法によるカーネルは，グローバルメモリのみを用いたカーネルと比較して約 13 倍の速度向上を得た．一方，Kepler アーキテクチャの GPU においては，1.3 倍～2 倍の速度向上を得た．Fermi アーキテクチャの GPU において，提案手法による画像位置合わせの実装は，グローバルメモリのみを用いて結合ヒストグラムを生成する実装と比較して，約 8 倍の速度向上を得た．This paper presents an acceleration method for joint histogram computation used in medical image registration using a graphics processing unit (GPU). Our method reduces the data size of joint histograms so that they can be stored in global memory. Furthermore, we implement a flush mechanism to avoid overflows of bins on joint histograms. This mechanism outputs the data on shared memory to global memory. Our method also reduces the amount of global memory access. In experiments, we evaluate our method with clinical datasets having 512×512×296 voxels. As a result, our kernel is approximately 13 times faster than a kernel using only global memory on the Fermi architecture GPU. On the other hand, our kernel achieves speedup of 1.3 to 2 on the Kepler architecture GPU. Our implementation of image registration is approximately 8 times faster than an implementation using only global memory to generate joint histograms.

収録刊行物

• 研究報告ハイパフォーマンスコンピューティング（HPC）

  研究報告ハイパフォーマンスコンピューティング（HPC） 2013 (18), 1-6, 2013-02-14

詳細情報

• CRID: 1571698602864587264
• NII論文ID: 110009536443
• NII書誌ID: AN10463942
• 本文言語コード: ja
• データソース種別:
  • CiNii Articles