“我們為并行計算評估了多種開發環境，”負責CUDA實現的研究人員Herlambang這樣說，“最終選擇了CUDA，因為它使我們能夠使用熟悉的C語言語法進行開挑戰

　　在成像技術中，一個非常有趣的領域就是裸眼立體成像技術，它無需特殊眼鏡就能顯示三維立體圖像。這種有趣的技術不僅有著娛樂方面的應用潛力，也可作為多種專業應用程序的實用技術。東京大學信息科學與技術研究生院機械信息系的Takeyoshi Dohi教授與他的同事研究了NVDIA的CUDA并行計算平臺之后認為，醫療成像是這種平臺非常有前途的應用領域之一。

　　自2000年以來，這所大學的研究小組已經開發出一種系統，通過CT或MRI掃描實時獲得的活體截面圖被視為體紋理，這種系統不僅能夠通過體繪制再現為三維圖像，還可作為立體視頻顯示，供IV系統使用。

　　該系統為實時、立體、活體成像帶來了革命性的變化。但是，它的計算量極其龐大，僅體繪制本身就會帶來極高的處理工作量，況且此后還需要進一步處理來實現立體成像。對于每一個圖像幀，都有眾多角度需同時顯示。將此乘以視頻中的幀數，您會看到令人震驚的龐大計算數量，且必須在很短的時間內高度精確地完成這樣的計算。

　　在2001年的研究中，使用了一臺Pentium III 800 MHz PC來處理一些512 x 512解析度的圖片，實時體繪制和立體再現要花費10秒鐘以上的時間才能生成一幀。為了加速處理，研究小組嘗試使用配備60塊CPU的UltraSPARC III 900 MHz機器，這是當時性能最高的計算機。但可以得到的最佳結果也不過是每秒鐘五幀。從實用的角度考慮，這樣的速度還不夠快。

　　解決方案

　　體繪制和隨后轉換為IV格式都需要進行數據平行矢量計算。為此，最佳計算范式是GPU。相應地，Liao和Herlambang 著手研究使用CUDA實現GPU，這是來自NVIDIA的通用C語言GPU開發環境。

　　首先，研究人員使用最新一代的GPU GeForce 8800 GTX開發了一個原型系統。在使用CUDA的GPU上運行2001年研究所用的數據集時，性能提升到每秒13至14幀。UltraSPARC系統的成本高達數千萬日元，是GPU的上百倍，而GPU卻交付了幾乎等同于其三倍的性能，研究人員為此感到十分驚訝。不僅如此，根據小組的研究，NVIDIA的GPU比最新的多核CPU至少要快70倍。另外，測試顯示，對于較大規模的體紋理數據，GPU的性能更為突出。

　　目前，這支研究小組正運用NVDIA最新的桌面端超級計算機Tesla D870，針對使用CUDA的Tesla優化目前的IV系統。這一舉措有望使性能獲得更大幅度的提升。

　　效果

　　此外，我們還可以在不必修改已開發系統的前提下利用速度更快的新生代GPU。如果某種環境使得調試大型CUDA程序成為可能，CUDA必將成為一種更強大的并行計算開發環境，我們希望它在醫療成像處理領域中得到更廣泛的應用。”

　　如果能夠以立體方式實時查看來自CT和MRI的圖像，醫生就能夠檢查病患組織的狀態并做出診斷，而無需活體檢查和外科處理。此外，某些醫生可以同時查看此類圖像，彼此溝通。這使部分醫生能夠同時進行關節鏡手術和其他微創型外科技術，而每名外科醫生都能實時觀察手術過程。

　　將龐大的并行計算陣列引入臨床設備非常困難，但GPU和Tesla的強大計算能力使得提供緊湊的并行計算模塊成為可能。

　　Integral Videography(IV)原理示意圖

　　圖字：計算機內部處理 calculation of IV element image IV像素圖計算 Voxel data 三維數據 virtual lens array 虛擬透鏡陣列

　　Flat display 平面顯示屏

　　Space image formation:空間立體圖像構成

　　Micro convex lens array:微型透鏡陣列 observer：觀察者

　　解決方案

　　遠距離觀察IV圖像的示例。在顯示屏前

　　兩米的位置形成非常逼真、立體的黃色竹竿圖像，看上去就像是被握在手中。即便在觀察者移動時，圖像依然保持“被握在手中”的可見狀態。要創建高解析度、立體的圖像，就要使用體繪制之類的處理方法，但需要極高的計算能力。

    效果

　　使用CUDA的IV系統