[논문 리뷰] GPU-Based Parallel Computing Methods for Medical Photoacoustic Image Reconstruction

Xinyao Yi, Yuxin Qiao|arXiv (Cornell University)|2024. 04. 16.

Photoacoustic and Ultrasonic Imaging인용 수 4

한 줄 요약

이 논문은 CUDA를 사용한 GPU 기반 병렬 계산 방법을 제안하여 반복적 광음향 영상 복원을 가속화하며, 메모리 접근 최적화와 행렬 연산의 병렬화를 통해 CPU 대비 5.9배 빠른 성능을 달성한다. 이 방법은 복원 정확도를 유지하면서 종양학 및 순환계 모니터링 분야의 실시간 임상 적용을 위한 빠른 처리를 가능하게 한다.

ABSTRACT

Recent years have witnessed a rapid advancement in GPU technology, establishing it as a formidable high-performance parallel computing technology with superior floating-point computational capabilities compared to traditional CPUs. This paper explores the application of this technology in the field of photoacoustic imaging, an emerging non-destructive testing technique in biomedical engineering characterized by its high contrast, resolution, and penetration depth. We conduct a data parallelism analysis targeting the computationally intensive image reconstruction segment of photoacoustic imaging. By parallelizing the serial code for iterative reconstruction and optimizing memory access, we achieve significant improvements in processing speed. Our experiments compare the imaging speeds of vascular images reconstructed using CPUs and GPUs, with the results visualized using Matlab. The findings demonstrate that, while maintaining data accuracy, GPU parallel computing methods can markedly accelerate photoacoustic image reconstruction. This acceleration has the potential to facilitate the broader adoption of photoacoustic imaging in applications such as hemodynamic monitoring, clinical disease diagnosis, and drug development.

연구 동기 및 목표

• 고용량 데이터와 복잡한 반복 알고리즘으로 인해 발생하는 광음향 영상 복원의 계산 병목 현상을 해결한다.
• 특히 대량의 병렬 처리 능력과 높은 메모리 대역폭을 갖춘 GPU 하드웨어의 장점을 활용하여 기존 CPU 기반 복원 방식을 뛰어넘는다.
• GPU 활용도를 극대화하고 반복적 복원 워크플로우에서 지연을 줄이기 위해 메모리 접근 패턴과 데이터 분할 전략을 최적화한다.
• 정확도를 훼손하지 않으면서 복원 속도를 가속화하여 실시간 광음향 영상 촬영의 가능성을 입증한다.
• 성능 향상을 통해 순환계 모니터링, 질병 진단 및 신약 개발 분야에서 광음향 영상 촬영의 광범위한 임상적 도입을 가능하게 한다.

제안 방법

• GPU의 대량 병렬 처리 능력을 활용하기 위해 순차적 반복 복원 코드를 CUDA 프로그래밍 모델로 이식한다.
• 행렬 연산을 테일링된 블록으로 나누어 GPU 스트리밍 다중처리기에서 동시에 처리하는 데이터 병렬 처리 기법을 적용한다.
• 행렬 곱셈 중 전역 메모리 지연을 줄이고 데이터 국소성을 향상시키기 위해 공유 메모리를 사용해 메모리 접근을 최적화한다.
• 입력 행렬을 더 작은 테일로 나누어 공유 메모리에 로드하고 반복적으로 재사용하는 테일링 전략을 구현한다.
• 테일의 부분집합에 대해 병렬 누적 연산을 실행하기 위해 CUDA 커널을 사용하여 중복되는 전역 메모리 접근을 최소화한다.
• GPU 및 CPU 복원 결과의 일관성을 비교하기 위해 MATLAB을 활용해 CUDA 함수를 호출하고 검증한다.

실험 결과

연구 질문

• RQ1 GPU 기반 병렬 계산은 CPU 기반 방법에 비해 반복적 광음향 영상 복원에 소요되는 시간을 상당히 줄일 수 있는가?
• RQ2 GPU 가속 광음향 복원에서 메모리 접근 패턴을 어떻게 최적화할 수 있을까? 성능 향상과 지연 감소에 기여하는가?
• RQ3 데이터 병렬 처리와 테일링 전략이 행렬 중심의 복원 알고리즘에서 계산 효율을 얼마나 향상시킬 수 있는가?
• RQ4 임상적으로 유의미한 혈관 영상 프레임을 복원할 때 GPU는 CPU 대비 어느 정도의 속도 향상을 달성할 수 있는가?
• RQ5 GPU 가속은 정확도를 유지하면서 실시간 의료 영상 응용에 적합한 빠른 처리를 가능하게 하는가?

주요 결과

• GPU는 세 개의 127×127 광음향 영상 프레임을 복원하는 데 있어 CPU 대비 5.9배 빠른 성능을 보였으며, CPU에서 약 118초이던 복원 시간이 GPU에서는 약 20초로 단축되었다.
• 행렬 곱셈 연산은 GPU에서 CPU 대비 6배 빠른 성능을 보였으며, 6144×16384 × 16384×1 행렬 곱셈의 경우 CPU에서 42.3초가 소요된 데 비해 GPU에서는 7.8초로 감소했다.
• GPU 및 CPU에서 복원된 영상은 시각적으로나 수치적으로 동일했으며, 가속화 과정 중 정확도가 유지됨을 확인했다.
• 공유 메모리 테일링을 통한 메모리 최적화로 복원 과정 중 메모리 접근 지연이 크게 감소하고 데이터 국소성이 향상되었다.
• CUDA 기반 구현은 계산적으로 부담이 큰 복원 단계를 성공적으로 병렬화하여 더 큰 영상 데이터셋에 대한 확장성을 입증했다.
• 결과적으로 실시간 광음향 영상 촬영이 임상 환경에서 가능할 잠재력을 보여주며, 특히 동적 모니터링 및 진단 적용 분야에서 유망하다.