Επιτάχυνση Σημειακών Μεθόδων Ευθυγράμμισης Δεδομένων Χρησιμοποιώντας Κάρτες Γραφικών Γενικού Σκοπού

Abstract

Η ιατρική τεχνολογία αναπτύσσεται ραγδαία τα τελευταία χρόνια, αφού καθημερινά νέες τεχνολογίες είναι διαθέσιμες και βοηθούν τους γιατρούς παγκοσμίως να βελτιώνουν την ζωή των πολιτών και να σώζουν ζωές. Ένα σημαντικό μέρος της ιατρικής τεχνολογίας είναι η απεικόνιση των ιατρικών δεδομένων, τα οποία βοηθούν στη διάγνωση διαφόρων ασθενειών και σε επιστημονικές μελέτες για εξεύρεση θεραπειών. Αυτά τα ψηφιακά ιατρικά δεδομένα απεικόνισης, μπορούν πλέον να συγκρίνονται και να συνδυάζονται για την καλύτερη εκμετάλλευση των πληροφοριών που λαμβάνονται με τις διάφορες απεικονιστικές τεχνικές. Προκύπτει λοιπόν πολλές φορές η ανάγκη, να συγκριθούν δεδομένα που λήφθηκαν σε διαφορετικές χρονικές στιγμές, για να διαφανεί η εξέλιξη των ασθενειών και τα αποτελέσματα των θεραπειών ενός ασθενή. Επιπλέον μπορούν να συγκριθούν εικόνες σε επιλεγμένες ομάδες του πληθυσμού για ερευνητικούς σκοπούς και για την βελτιστοποίηση των ιατρικών τεχνικών. Η ευθυγράμμιση αυτών των δεδομένων κρίνεται λοιπόν αναγκαία και χρειάζεται να είναι γρήγορη, ακριβής και αποτελεσματική.Στην παρούσα διπλωματική εργασία χρησιμοποιούνται τεχνικές σημειακής ευθυγράμμισης για την ευθυγράμμιση ιατρικών δεδομένων, με ευρέως γνωστούς αλγορίθμους. Αυτοί οι αλγόριθμοι όμως έχουν περιορισμούς κατά την εφαρμογή τους σε συμβατικές μονάδες κεντρικής επεξεργασίας, λόγω κυρίως της πολυπλοκότητας τους και της μεγάλης μνήμης που απαιτείται για να εκτελεστούν. Για να αποφύγουμε τα προβλήματα αυτά, υλοποιούμε το πρόγραμμα ευθυγράμμισης με την βοήθεια του προγραμματιστικού μοντέλου CUDA (Compute Unified Device Architecture). Στα πλαίσια αυτής της εργασίας περιγράφεται η διαδικασία της ευθυγράμμισης, οι γεωμετρικοί περιγραφητές, το προγραμματιστικό μοντέλο CUDA και η διαδικασία που ακολουθήθηκε για την υλοποίηση του προγράμματος ευθυγράμμισης με κάθετα διανύσματα και με FPFH (Fast Point Feature Histograms) στην γραφική μονάδα επεξεργασίας. Η ευθυγράμμιση επιτυγχάνεται μέσω κατάλληλου γεωμετρικού μετασχηματισμού, που εξομαλύνει τις γεωμετρικές αποκλίσεις ανάμεσα στα δεδομένα. Ο μετασχηματισμός προκύπτει με την ταύτιση σημείων μεταξύ των δυο συνόλων δεδομένων. Η ταύτιση γίνεται εφικτή μέσω της σύγκρισης των σημείων με βάση τους γεωμετρικούς περιγραφητές, οι οποίοι περιέχουν πληροφορίες για τις γεωμετρικές ιδιότητες της περιοχής γύρω από κάθε σημείο. Έτσι τα σημεία περιγράφονται μοναδικά. Το προγραμματιστικό μοντέλο CUDA έχει εφευρεθεί από την NVIDIA και με την εκμετάλλευση του, καλύπτεται η ανάγκη για γρηγορότερους υπολογισμούς. Το μοντέλο αυτό ανήκει στην οικογένεια του GPGPU (General Purpose Computing on Graphics Processing Units), δηλαδή γίνεται εφικτή η εκτέλεση προγραμμάτων γενικής χρήσης σε γραφικές μονάδες επεξεργασίας, που είναι πιο γρήγορες από τις κεντρικές μονάδες επεξεργασίας. Η συνολική διαδικασία που ακολουθείται στην ευθυγράμμιση ιατρικών εικόνων με τη χρήση των δύο γεωμετρικών περιγραφητών αναπτύσσεται λεπτομερώς. Γίνεται παραλληλοποίηση των υπολογισμών εξαγωγής των περιγραφητών και μελέτη για τις παραμέτρους που εισάγονται στο πρόγραμμα για την βελτιστοποίηση του. Στο τέλος, παρατίθενται τα αποτελέσματα ευθυγράμμισης ιατρικών απεικονιστικών δεδομένων με CPU και GPU και διαφαίνεται η σημαντικότητα του μοντέλου CUDA.