基于CUDA的连续最大流医学影像分割算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 图像分割领域研究现状 | 第11-12页 |
| 1.3.2 CUDA技术研究现状 | 第12-13页 |
| 1.4 本文研究的主要内容和结构安排 | 第13-15页 |
| 第2章 基于CUDA的并行计算架构 | 第15-24页 |
| 2.1 CUDA的硬件架构 | 第15-16页 |
| 2.2 CUDA的软件架构 | 第16-17页 |
| 2.2.1 CUDA的软件堆栈 | 第16-17页 |
| 2.2.2 CUDA的核函数 | 第17页 |
| 2.3 CUDA的存储器架构 | 第17-20页 |
| 2.4 CUDA的编程模型 | 第20-23页 |
| 2.4.1 主机端和设备端 | 第20页 |
| 2.4.2 CUDA的多层线程架构 | 第20-21页 |
| 2.4.3 CUDA的执行模型 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于连续最大流的图像分割算法 | 第24-31页 |
| 3.1 图理论 | 第24-25页 |
| 3.2 网络流理论 | 第25页 |
| 3.3 s-t网络 | 第25-27页 |
| 3.4 连续最大流模型 | 第27-28页 |
| 3.5 基于乘子的连续最大流算法 | 第28-29页 |
| 3.6 本章小结 | 第29-31页 |
| 第4章 基于CUDA的医学影像分割 | 第31-39页 |
| 4.1 线程分配方案 | 第31-32页 |
| 4.2 核函数的设计 | 第32-36页 |
| 4.2.1 线程索引 | 第32-34页 |
| 4.2.2 存储结构的使用 | 第34-36页 |
| 4.3 归约算法 | 第36-38页 |
| 4.3.1 线程块内归约 | 第36-37页 |
| 4.3.2 线程块间归约 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 实验与结果分析 | 第39-51页 |
| 5.1 实验环境 | 第39页 |
| 5.2 基于CUDA的图像分割算法 | 第39-45页 |
| 5.2.1 实验与实验结果 | 第39-41页 |
| 5.2.2 实验结果分析 | 第41-45页 |
| 5.3 改进的基于CUDA的图像分割算法 | 第45-50页 |
| 5.3.1 实验与实验结果 | 第45-46页 |
| 5.3.2 实验结果分析 | 第46-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间发表的学术论文 | 第56页 |
| 攻读学位期间发表的学术成果 | 第56-57页 |
| 致谢 | 第57页 |
