Publicação

Implementação de algoritmos de reconstrução de imagens de tomossíntese utilizando processamento paralelo em GPU

Detalhes bibliográficos
Resumo:	O cancro da mama é o tipo de cancro com maior incidência no género feminino, sendo considerado um dos maiores e mais importantes problemas de saúde pública à escala global. A mamografia é a técnica de imagem médica referência para o rastreio e diagnóstico do cancro da mama, no entanto tem associada algumas limitações bem conhecidas: elevada taxa de falsos-negativos (até 66% em mulheres sintomáticas) e falsos-positivos (até 60%). Estes dados estão sobretudo relacionados com o efeito da sobreposição de tecidos na imagem e têm vindo a gerar grande controvérsia na comunidade médica e científica, no que diz respeito ao uso da mamografia como técnica de rastreio, principalmente em mulheres mais jovens (< 50 anos). A DBT (Digital Breast Tomosynthesis) é uma técnica radiológica tridimensional que produz uma pilha de imagens paralelas que representam as várias profundidades do tecido mamário, reduzindo assim o efeito de sobreposição. Existe actualmente evidência da redução das taxas de falsos negativos e de falsos positivos associados à utilização da DBT como técnica de rastreio, quando comparadas às da mamografia digital (FFDM - Full-Field Digital Mammography), sobretudo em mulheres com tecido mamário mais denso. As imagens são reconstruídas a partir de projecções bidimensionais recorrendo a algoritmos computacionais. Estes algoritmos têm um papel fundamental no processo de reconstrução, sobretudo em contexto clínico, uma vez que há a necessidade de implementar um processo que seja simultaneamente preciso e rápido. Actualmente os algoritmos mais utilizados para reconstruir imagens DBT em ambiente clínico são os analíticos, por apresentarem rapidez e simplicidade de execução. Os algoritmos iterativos têm, no entanto, demonstrado produzir imagens de melhor qualidade. O seu uso clínico é actualmente rejeitado devido ao seu elevado tempo de reconstrução e exigência computacional. As capacidades computacionais das unidades de processamento gráfico (GPU – Graphical Processing Units), nomeadamente a capacidade de cálculo paralelo intensivo, foram já utilizadas por vários grupos de investigação para a optimização destes algoritmos iterativos. Um destes estudos foi desenvolvido no Instituto de Biofísica e Engenharia Biomédica (IBEB), na Faculdade de Ciências da Universidade de Lisboa, e consiste na implementação heterogénea (CPU+GPU) do processo de reconstrução de imagens DBT com algoritmos iterativos. Na GPU é executada um dos blocos mais exigentes de todo o algoritmo (o cálculo da matriz de sistema), por intermédio da linguagem de programação CUDA (Compute Unified Device Architecture). Esta implementação apresenta, no entanto, algumas falhas, que se reflectem em ligeiras alterações nas imagens, quando comparadas com as imagens reconstruídas pelo processo puramente sequencial (CPU). O trabalho realizado na presente dissertação visa a correcção destas falhas, de modo a eliminar as diferenças observadas nas imagens reconstruídas, e a aplicação da abordagem heterogénea a outros blocos do algoritmo, de forma a optimizar ainda mais o processo de reconstrução.
Autores principais:	Duarte, Carlos Pereira
Assunto:	Tomossíntese Algoritmos iterativos de reconstrução Computação em GPU CUDA Teses de mestrado - 2016
Ano:	2016
País:	Portugal
Tipo de documento:	dissertação de mestrado
Tipo de acesso:	acesso aberto
Instituição associada:	Universidade de Lisboa
Idioma:	português
Origem:	Repositório da Universidade de Lisboa

Descrição
Resumo:	O cancro da mama é o tipo de cancro com maior incidência no género feminino, sendo considerado um dos maiores e mais importantes problemas de saúde pública à escala global. A mamografia é a técnica de imagem médica referência para o rastreio e diagnóstico do cancro da mama, no entanto tem associada algumas limitações bem conhecidas: elevada taxa de falsos-negativos (até 66% em mulheres sintomáticas) e falsos-positivos (até 60%). Estes dados estão sobretudo relacionados com o efeito da sobreposição de tecidos na imagem e têm vindo a gerar grande controvérsia na comunidade médica e científica, no que diz respeito ao uso da mamografia como técnica de rastreio, principalmente em mulheres mais jovens (< 50 anos). A DBT (Digital Breast Tomosynthesis) é uma técnica radiológica tridimensional que produz uma pilha de imagens paralelas que representam as várias profundidades do tecido mamário, reduzindo assim o efeito de sobreposição. Existe actualmente evidência da redução das taxas de falsos negativos e de falsos positivos associados à utilização da DBT como técnica de rastreio, quando comparadas às da mamografia digital (FFDM - Full-Field Digital Mammography), sobretudo em mulheres com tecido mamário mais denso. As imagens são reconstruídas a partir de projecções bidimensionais recorrendo a algoritmos computacionais. Estes algoritmos têm um papel fundamental no processo de reconstrução, sobretudo em contexto clínico, uma vez que há a necessidade de implementar um processo que seja simultaneamente preciso e rápido. Actualmente os algoritmos mais utilizados para reconstruir imagens DBT em ambiente clínico são os analíticos, por apresentarem rapidez e simplicidade de execução. Os algoritmos iterativos têm, no entanto, demonstrado produzir imagens de melhor qualidade. O seu uso clínico é actualmente rejeitado devido ao seu elevado tempo de reconstrução e exigência computacional. As capacidades computacionais das unidades de processamento gráfico (GPU – Graphical Processing Units), nomeadamente a capacidade de cálculo paralelo intensivo, foram já utilizadas por vários grupos de investigação para a optimização destes algoritmos iterativos. Um destes estudos foi desenvolvido no Instituto de Biofísica e Engenharia Biomédica (IBEB), na Faculdade de Ciências da Universidade de Lisboa, e consiste na implementação heterogénea (CPU+GPU) do processo de reconstrução de imagens DBT com algoritmos iterativos. Na GPU é executada um dos blocos mais exigentes de todo o algoritmo (o cálculo da matriz de sistema), por intermédio da linguagem de programação CUDA (Compute Unified Device Architecture). Esta implementação apresenta, no entanto, algumas falhas, que se reflectem em ligeiras alterações nas imagens, quando comparadas com as imagens reconstruídas pelo processo puramente sequencial (CPU). O trabalho realizado na presente dissertação visa a correcção destas falhas, de modo a eliminar as diferenças observadas nas imagens reconstruídas, e a aplicação da abordagem heterogénea a outros blocos do algoritmo, de forma a optimizar ainda mais o processo de reconstrução.