High-Performance Magnetic Particle Imaging Image Reconstruction Using CUDA
Authors:
Autores
| Person role | Person | |
|---|---|---|
|
7472 |
347,2662,3237
|
|
|
7471 |
347,2662,3237
|
|
|
7473 |
Solomon Isaac Woods (Co-supervisor)
|
347,2662,3237
|
Informations:
Pesc publication
Magnetic Particle Imaging (MPI) é uma nova técnica desenvolvida para detectar nano-partículas magnéticas (magnetic nanoparticles, ou MNPs) no espaço, com diversas aplicações em potencial, desde imagens biomédicas até mapeamento térmico. A reconstrução de imagens é uma parte essencial do MPI, pois é responsável por traduzir os sinais medidos de magnetização gerados pelas MNPs em mapas discretos de concentrações em uma, duas ou três dimensões. O processo de reconstrução requer a solução numérica de grandes sistemas de equações, e a velocidade de computação é um fator limitante para a obtenção de imagens em tempo real com altas exatidão e resolução.
Esta tese apresenta o desenvolvimento de algoritmos paralelos para a reconstrução de imagens de MPI em GPU utilizando a plataforma CUDA. É mostrado como a adoção de algoritmos paralelos pode acelerar as reconstruções em até três ordens de grandeza, em comparação com algoritmos seriais tradicionais executados na CPU. Este documento também descreve o desenvolvimento de um novo algoritmo paralelo para o cálculo da matriz de calibração de MPI, com acelerações da ordem de 37× em comparação com a implementação serial, e como a combinação do cálculo paralelo da matriz de calibração e a reconstrução paralela de imagens podem fornecer medições de MPI flexíveis e em tempo real.
Magnetic Particle Imaging (MPI) is a novel technique developed for detecting magnetic nanoparticles (MNPs) in space, with several potential applications, ranging from biomedical imaging to temperature mapping. Image reconstruction is an essential part of MPI, as it is responsible for translating the measured magnetization signals generated by the MNPs into discretized concentration maps in one, two or three dimensions. The reconstruction process requires numerically solving massive systems of equations, and the computation speed is a limitation factor for achieving real-time images with high accuracy and resolution.
This thesis presents the development of parallel algorithms for executing MPI image reconstructions in GPU using the CUDA framework. It is shown how the adoption of the parallel algorithms can speed up the reconstructions by up to three orders of magnitude, in comparison to traditional serial algorithms executed in the CPU. This document also describes the development of a novel parallel algorithm for calculating the MPI calibration matrix, with speedups of the order of $37\times$ in comparison to the serial implementation, and how the combination of the parallel calculation of the calibration matrix and the parallel image reconstruction can provide flexible and real-time MPI measurements.