High Performance Iterative X-Ray CT with Application in 3-D Mammography and Interventional C-arm Imaging Systems

Language
en
Document Type
Doctoral Thesis
Issue Date
2014-11-27
Issue Year
2014
Authors
Keck, Benjamin
Editor
Abstract

Medical image reconstruction is a key component for a broad range of medical imaging technologies. For classical Computed Tomography systems the amount of measured signals per second increased exponentially over the last four decades, whereas the computational complexity of the majority of utilized algorithms has not changed significantly. A major interest and challenge is to provide optimal image quality at the fewest patient dose possible. One solution and active research field towards solving that problem, are iterative reconstruction methods. Their complexity is a multiple compared to the classical analytical methods which were used in nearly all commercially available systems. In this thesis the application of graphics cards in the field of iterative medical image reconstruction is investigated. The major contributions are the demonstrated fast implementations for off-the-shelf hardware as well as the motivation of graphics card usage in upcoming generations of medical systems. The first realization describes the implementation of a commonly used analytical cone-beam reconstruction method for C-arm CT, before covering iterative reconstruction methods. Both analytical as well as iterative reconstruction methods share the compute-intensive back-projection step. In addition iterative reconstruction methods require a forward-projection step with similarly high computational cost. The introduced Compute Unified Device Architecture (CUDA) builds the basis for the presented GPU implementation of both steps. Different realization schemes are presented by combining both steps and applying minor modifications. The implementations of the SART, SIRT as well as OS-SIRT illustrate the realization of algebraic reconstruction methods. Further, a realization for the more advanced statistical reconstruction methods is described, introducing a GPU accelerated implementation of a maximum likelihood reconstruction using a concave objective function. The achieved reconstruction performance is based on different detailed optimizations and exploitation of various technical features. In addition the performance results are evaluated for different hardware platforms - like the CPU - and for the proposed algorithms. The results implicate that for all presented reconstruction methods a significant speedup compared to a CPU realization is achieved. In example, we achieve at least a speedup factor of 10 for the presented OS-SIRT comparing a NVIDIA QuadroFX 5600 graphics card with a workstation equipped with two Intel Xeon Quad-Core E5410 processors. This is additionally supported by the comparison of the presented implementations to the CUDA alternative OpenCL underpinning the performance lead of GPUs using CUDA. A further contribution of this thesis is the exemplary clinical application of the pro- posed algorithms to two different modalities: C-arm CT and 3-D mammography. These applications demonstrate the potential and importance of GPU accelerated iterative medical image reconstruction. This thesis is concluded with a summary and an outlook on the future of GPU accelerated medical imaging processing.

Abstract

Eine wichtige Kernkomponente der medizinischen Bildgebung bildet die medizinische Bildrekonstruktion. Betrachtet man die Anzahl der gemessenen Signale pro Sekunde für die klassische Computertomographie in den letzten vier Jahrzehnten, so lässt sich ein exponentielles Wachstum feststellen. Im Vergleich dazu veränderte sich die Berechnungskomplexität der verwendeten Algorithmen nicht merklich. Ein wichtiger Aspekt für die Computertomographie ist die Reduktion der applizierten Patientendosis auf ein Minimum unter der Voraussetzung weiterhin eine optimale Bildqualität zu erhalten. Ein möglicher Lösungsansatz hierfür und Gegen- stand aktueller Forschung sind iterative Rekonstruktionstechniken. Die Berechnungskomplexität dieser ist dabei allerdings ein Vielfaches gegenüber der überwiegend kommerziell verwendeten analytischen Rekonstruktionstechniken. Ziel dieser Arbeit ist es, den möglichen Einsatz von Grafikkarten zur beschleunigten Berechnung iterativer Rekonstruktionstechniken zu untersuchen. Der Nachweis und die Erläuterung zu den erzielten performanten Realisierungen mit Hilfe dieser Technologie zählt zu den wichtigsten Erkenntnissen. Des weiteren kann der Einsatz dieser breit verfügbaren Technologie in zukünftigen medizinischen Bildgebungssystemen nahe gelegt werden. Zusätzlich zu den Erläuterungen bezüglich der iterativen Rekonstruktionstechniken wird zunächst die Realisierung einer weit verbreitenden analytischen Rekonstruktionstechnik für die C-arm CT Bildgebung beschrieben. Ein Bestandteil dieser Rekonstruktionstechnik, die Rückprojektion, ist eine berechnungsintensive Kernkomponente die sowohl bei analytischen als auch bei iterativen Rekonstruktionstechniken benötigt wird. Im Unterschied zu den analytischen Methoden benötigen iterative Rekonstruktionstechniken zusätzlich eine weitere Kernkomponente, die (Vorwärts-)Projektion. Diese stellt dabei einen ähnlich hohen Berechnungsaufwand dar, wie die Rückprojektion. Die Basis für die Implementierungen beider Kernkomponenten bildet dabei die erläuterte parallele Programmiertechnik für Grafikkarten namens CUDA. Durch geringe Modifikationen und geschickte Kombination beider Kernkomponenten werden verschiedene Realisierungen erzielt. Die Implementierung der Rekonstruktionstechniken SART, SIRT und OS-SIRT stellt die Gruppe der algebraischen Rekonstruktionsalgorithmen dar. Des weiteren wird ein Implementierungbeispiel für die Gruppe der statistischen Rekonstruktionstechniken anhand einer Maximum Likelihood Rekonstruktion auf Basis einer konkaven Zielfunktion erläutert. Die erzielten Rekonstruktionsgeschwindigkeiten basieren auf verschiedenen dargelegten Optimierungstechniken und der Verwendung neuer technischer Funktionen. Zusätzlich werden die Rekonstruktionsgeschwindigkeiten zwischen verschiedenen Hardware-Plattformen und den verschiedenen Algorithmen verglichen. Die Ergebnisse implizieren, dass für alle vorgestellten Rekonstruktionstechniken mittels Grafikkarten ein signifikanter Geschwindigkeitszuwachs im Vergleich zu einer CPU erzielt werden kann. Zum Beispiel ist die Implementierung der OS-SIRT auf einer NVIDIA QuadroFX 5600 mindestens Faktor 10 schneller als die CPU Implementierung auf einer Workstation mit zwei Intel Xeon Quad-Core E5410 Prozessoren. Dies wird durch den Vergleich der erläuterten Implementierungen zur CUDA Alter- native OpenCL zusätzlich bekräftigt, der die Geschwindigkeitsvorteile von Grafik- karten unter der Verwendung von CUDA untermauert.

DOI
Faculties & Collections
Zugehörige ORCIDs