[論文レビュー] GPU-Based Parallel Computing Methods for Medical Photoacoustic Image Reconstruction

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

Photoacoustic and Ultrasonic Imaging被引用数 4

ひとこと要約

本論文は、CUDAを用いたGPUアクセラレート並列計算手法を提案し、メモリアクセスの最適化と行列演算の並列化により、CPUに比べて5.9倍の高速化を達成した。反復的フォトアコースティック画像再構成を高速化し、腫瘍学および血行動態学分野におけるリアルタイム臨床応用に適した、再構成精度を維持した処理速度向上を実現した。

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.

研究の動機と目的

• 高容量なデータと複雑な反復アルゴリズムに起因するフォトアコースティック画像再構成における計算ボトルネックを解消すること。
• 特に巨大な並列処理能力と高いメモリ帯域幅を活かしたGPUハードウェアの利点を活用し、従来のCPUベースの再構成を凌駕すること。
• GPUの利用度を最大化し、反復的再構成ワークフローにおける遅延を低減するために、メモリアクセスパターンとデータパーティショニングを最適化すること。
• 再構成速度の高速化により、リアルタイムフォトアコースティックイメージングの実現可能性を示すこと。
• 性能向上を通じて、血行動態モニタリング、疾患診断、およびドラッグ開発分野におけるフォトアコースティックイメージングの広範な臨床的応用を可能にすること。

提案手法

• GPUの巨大な並列処理能力を活用するため、シリアルな反復的再構成コードをCUDAプログラミングモデルに移植した。
• 行列演算をタイリングされたブロックに分割し、GPUのストリーミングマルチプロセッサ上で同時に処理することで、データ並列処理を適用した。
• 行列乗算中のデータ局所性を向上させ、グローバルメモリの遅延を低減するために、共有メモリを用いたメモリアクセス最適化を実施した。
• 入力行列を小さなタイルに分割し、共有メモリにロードして繰り返し再利用するタイリング戦略を実装した。
• タイルサブセットに対する並列積算処理をCUDAカーネルで実行し、重複するグローバルメモリアクセスを最小限に抑えた。
• GPUとCPUの再構成出力を一貫性があるかを確認するため、MATLABからCUDA関数を呼び出し、結果を比較して検証した。

実験結果

リサーチクエスチョン

• RQ1 GPUベースの並列計算は、CPUベースの手法に比べて、反復的フォトアコースティック画像再構成に要する時間を顕著に短縮できるか？
• RQ2 GPUアクセラレートフォトアコースティック再構成において、メモリアクセスパターンをどのように最適化すれば、パフォーマンス向上と遅延低減を達成できるか？
• RQ3 データ並列処理とタイリング戦略は、行列集約の多い再構成アルゴリズムにおける計算効率をどの程度向上できるか？
• RQ4 臨床的関連性のある血管画像フレームの再構成において、GPUはCPUに比べてどの程度のスピードアップを達成できるか？
• RQ5 GPUアクセラレーションは、再構成精度を損なわずに、リアルタイム医療イメージング応用に適した高速処理を可能にするか？

主な発見

• 3枚の127×127フォトアコースティック画像フレームの再構成において、GPUはCPUに比べて5.9倍の高速化を達成し、再構成時間をCPUの約118秒からGPUの約20秒に短縮した。
• 行列乗算処理では、GPUがCPUに比べて6倍の高速化を達成し、6144×16384 × 16384×16384の行列乗算において、CPUの42.3秒からGPUの7.8秒に短縮された。
• GPUとCPUから得られた再構成画像は視覚的および数値的に同一であり、加速処理中でも再構成精度が保持されていることが確認された。
• 共有メモリを用いたタイリングによるメモリ最適化により、反復的再構成中のメモリアクセス遅延が顕著に低減され、データ局所性が向上した。
• CUDAベースの実装により、計算負荷の高い再構成フェーズが効果的に並列化され、より大きな画像データセットへのスケーラビリティが示された。
• 結果から、動的モニタリングや診断応用を想定した臨床現場におけるリアルタイムフォトアコースティックイメージングへの強い可能性が示された。