GPU并行计算在医学图像处理中的应用研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·医学图像处理概述 | 第8-13页 |
| ·医学图像概述 | 第8-10页 |
| ·GPU 计算发展概述 | 第10-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·结构安排 | 第14-15页 |
| 第二章 并行编程和 CUDA 基础 | 第15-29页 |
| ·并行编程语言与模型 | 第15-16页 |
| ·NVIDIA GPU 硬件架构 | 第16-22页 |
| ·G200 体系架构 | 第16-18页 |
| ·Fermi 体系架构 | 第18-20页 |
| ·Kepler 架构 | 第20-22页 |
| ·CUDA 概述 | 第22-29页 |
| ·编程模型 | 第22-23页 |
| ·存储器模型 | 第23-25页 |
| ·执行模型 | 第25页 |
| ·CUDA 软件体系 | 第25-27页 |
| ·分析优化工具 | 第27-29页 |
| 第三章 医学图像增强算法优化 | 第29-40页 |
| ·图像增强算法 | 第29-32页 |
| ·空域的增强算法 | 第30-31页 |
| ·频域的增强算法 | 第31-32页 |
| ·同质滤波算法优化 | 第32-40页 |
| ·NLM 算法 | 第32-33页 |
| ·同质滤波算法 | 第33-34页 |
| ·并行优化 | 第34-40页 |
| 第四章 医学图像分割算法优化 | 第40-49页 |
| ·图像分割算法 | 第41-43页 |
| ·基于区域的分割算法 | 第41-42页 |
| ·基于边界的分割算法 | 第42-43页 |
| ·图像分割新技术 | 第43页 |
| ·Sobel 算子和 Canny 算子 | 第43-44页 |
| ·Sobel 算子 | 第43-44页 |
| ·Canny 算子 | 第44页 |
| ·并行优化 | 第44-49页 |
| ·Sobel 算子优化 | 第44-46页 |
| ·Canny 算子并行优化 | 第46-49页 |
| 第五章 并行程序的性能优化 | 第49-56页 |
| ·并行利用率优化 | 第49-51页 |
| ·应用层次优化 | 第49-50页 |
| ·设备层次优化 | 第50页 |
| ·多处理器层次优化 | 第50-51页 |
| ·存储器访问优化 | 第51-53页 |
| ·主机设备间通信优化 | 第51-52页 |
| ·全局存储器优化 | 第52页 |
| ·共享存储器优化 | 第52-53页 |
| ·纹理和常数存储器 | 第53页 |
| ·指令优化 | 第53-54页 |
| ·并行程序的资源平衡 | 第54-56页 |
| 第六章 全文总结 | 第56-57页 |
| ·本文贡献 | 第56页 |
| ·工作展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 发表论文和参加科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |
