首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文

针对DSA医学图像去噪的研究及GPU加速

摘要第5-7页
abstract第7-8页
第1章 绪论第12-17页
    1.1 研究背景及意义第12页
    1.2 国内外研究现状及发展第12-16页
        1.2.1 图像去噪研究现状及发展第12-13页
        1.2.2 GPU研究现状及发展第13-14页
        1.2.3 基于GPU的医学成像研究现状及发展第14-16页
    1.3 主要研究内容与章节安排第16-17页
第2章 GPU与CUDA第17-22页
    2.1 GPU计算与GPGPU第17-18页
    2.2 CUDA架构第18-19页
    2.3 CUDA编程模型第19页
    2.4 CUDA线程层次结构第19-20页
    2.5 CUDA内存第20-21页
    2.6 本章小结第21-22页
第3章 实验策略及实验前期准备第22-33页
    3.1 DSA噪声分析第22页
    3.2 图像降质复原模型的建立第22-23页
    3.3 噪声模型选择第23-25页
    3.4 DSA医学图像去噪效果评价体系的建立及选择第25-29页
        3.4.1 主观评价第26页
        3.4.2 客观评价第26-29页
    3.5 DSA医学图像去噪耗时分析第29-30页
    3.6 实验前期准备第30-32页
        3.6.1 硬件准备第30-31页
        3.6.2 软件准备第31-32页
        3.6.3 DSA医学图像数据准备第32页
    3.7 本章小结第32-33页
第4章 基于KNN算法DSA医学图像去噪及GPU加速第33-55页
    4.1 KNN算法描述第33-34页
        4.1.1 KNN算法介绍第33-34页
        4.1.2 KNN算法与暴力搜索法第34页
    4.2 基于KNN算法DSA医学图像去噪的实现第34-35页
    4.3 去噪实验结果及分析第35-41页
        4.3.1 实验结果第36-37页
        4.3.2 结果分析第37-41页
    4.4 基于KNN算法DSA医学图像去噪并行化实现第41-45页
        4.4.1 距离计算第41-43页
        4.4.2 线程分配第43-44页
        4.4.3 实现流程第44-45页
    4.5 并行化实验结果及分析第45-47页
    4.6 基于多GPU系统的KNN算法并行化实现第47-54页
        4.6.1 各计算节点间任务与数据的分配第47-49页
        4.6.2 各计算节点内任务与数据的分配第49-51页
        4.6.3 各GPU内任务与数据的分配第51-53页
        4.6.4 实验结果及分析第53-54页
    4.7 本章小结第54-55页
第5章 基于NLM算法DSA医学图像去噪及GPU加速第55-70页
    5.1 NLM算法描述第55页
    5.2 基于NLM算法DSA医学图像去噪的实现第55-56页
    5.3 NLM算法去噪实验结果及分析第56-60页
        5.3.1 实验结果第56-57页
        5.3.2 结果分析第57-60页
    5.4 基于NLM算法并行化实现第60-61页
    5.5 NLM算法并行化实验结果及分析第61-62页
    5.6 基于快速NLM算法DSA医学图像去噪的实现第62页
    5.7 快速NLM算法去噪实验结果及分析第62-67页
        5.7.1 实验结果第62-63页
        5.7.2 结果分析第63-67页
    5.8 快速NLM算法并行化实现第67-68页
    5.9 快速NLM算法并行化实验结果及分析第68页
    5.10 本章小结第68-70页
第6章 基于两种算法的DSA医学图像去噪对比及分析第70-74页
    6.1 去噪效果对比及分析第70-71页
    6.2 并行化时间对比及分析第71-72页
    6.3 本章小结第72-74页
第7章 总结及今后工作第74-75页
    7.1 总结第74页
    7.2 今后工作第74-75页
参考文献第75-83页
致谢第83-84页
攻读学位期间取得的科研成果第84页

论文共84页,点击 下载论文
上一篇:心电信息存储及分析诊断平台设计与开发
下一篇:拉力测试原型机的设计与实现