| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·外部CT 重建与DR 图像分割加速的重要意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·本文研究的目的 | 第13-14页 |
| ·本文研究的内容 | 第14-15页 |
| 2 CUDA 编程技术基础 | 第15-26页 |
| ·引言 | 第15页 |
| ·GPU 基于CT 重建的硬件基础 | 第15-17页 |
| ·CUDA：可伸缩并行编程模型 | 第17-18页 |
| ·GPU：高度并行化、多线程、多核处理器 | 第18-22页 |
| ·线程层次结构 | 第18-19页 |
| ·存储器层次结构 | 第19-21页 |
| ·主机和设备 | 第21-22页 |
| ·具有芯片共享存储器的一组SIMT 多处理器 | 第22-24页 |
| ·并行程序要求 | 第24-25页 |
| ·本章总结 | 第25-26页 |
| 3 CT 重建基础 | 第26-40页 |
| ·引言 | 第26-27页 |
| ·CT 成像系统扫描方式的发展 | 第27-30页 |
| ·CT 成像的数学原理 | 第30页 |
| ·截断投影数据CT 图像重建 | 第30-31页 |
| ·三类投影数据截断问题 | 第31-33页 |
| ·CT 系统的离散化数学模型 | 第33-36页 |
| ·迭代重建算法 | 第36-39页 |
| ·ART 型迭算法 | 第36-37页 |
| ·TV 正则化方法 | 第37-38页 |
| ·TV 最小化方法的迭代求解过程 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 曲线（面）演化理论 | 第40-48页 |
| ·引言 | 第40页 |
| ·曲线演化原理 | 第40-42页 |
| ·水平集方法 | 第42页 |
| ·水平集的理论基础 | 第42-44页 |
| ·C-V 模型原理 | 第44页 |
| ·C-V 模型 | 第44-46页 |
| ·C-V 模型的数值实现 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 CUDA 加速 CV 图像分割模型 | 第48-53页 |
| ·引言 | 第48页 |
| ·C-V 方法的并行实现 | 第48-49页 |
| ·C-V 算法并行化与GPU 结合应用 | 第49-51页 |
| ·实验结果及分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 6 CUDA 加速外部 CT 重建 | 第53-61页 |
| ·引言 | 第53页 |
| ·圆形轨迹CT 的二维外部问题和SA-TVM-POCS 算法 | 第53-55页 |
| ·CUDA 加速SA-TVM-POCS 算法 | 第55-58页 |
| ·实验结果与分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 7 总结与展望 | 第61-62页 |
| ·本文工作总结 | 第61页 |
| ·后续研究工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |