Técnicas para la segmentación y visualización eficiente de imagen médica 3Dexplotando la arquitectura de la GPU

Abstract

El objetivo del trabajo realizado en esta Tesis de Doctorado es proponer soluciones eficientes para el procesado de imagen médica en tarjetas gráficas (GPU) de consumo. En particular, el trabajo se ha centrado en las tareas de segmentación y visualización, para las que hemos seleccionado una serie de algoritmos, cuya efectividad ya ha sido demostrada, y hemos aplicado diversas técnicas para implementarlos en GPU con el fin de maximizar su rendimiento. En lo que respecta a la segmentación, hemos escogido la técnica de crecimiento de regiones basada en el conjunto de nivel, ya que presenta una serie de características adecuadas para su implementación en GPU. Sin embargo, para extraer el máximo rendimiento una implementación directa no es suficiente. Hemos utilizado múltiples estrategias para adaptar estos algoritmos de segmentación y maximizar el rendimiento de la GPU, que han supuesto importantes modificaciones sobre los algoritmos originales. En lo que respecta a la visualización, un problema interesante es, dada la tendencia actual a trabajar con conjuntos de datos cada vez más grandes y más precisos, cómo procesar y visualizar dicha información con las restricciones de memoria en las tarjetas gráficas actuales. Es por ello que hemos complementado el estudio de la visualización de volúmenes con la compresión de datos en tarjetas gráficas de consumo de NVIDIA programadas en CUDA.