Scalable FBP decomposition for cone-beam CT reconstruction
Scalable FBP decomposition for cone-beam CT reconstruction
复制标题
用于锥束 CT 重建的可扩展 FBP 分解
DOI：
10.1145/3458817.3476139
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Chen P
中科院分区：
文献类型：
--
作者：
Chen P
滤波反投影（FBP）是一种计算密集型的层析图像重建算法。锥形束计算机断层扫描（CBCT）设备使用锥形X射线束，而旧一代CT中使用的是平行射束。锥束数据集的分布式图像重建通常依赖于将批量图像划分到不同的节点。这种简单的输入分解，但是，引入了输入/输出的大小和可扩展性的限制。我们提出了一种新的分解方案和分布式FPB重构算法。该方案允许任意大的输入/输出大小，消除了端到端流水线中出现的冗余，并通过仅用一个分段缩减来替换两个通信集合来提高可扩展性。最后，我们实现了建议的分解方案的框架，是有用的所有当前一代CT设备（第七代）。在我们使用多达1024个GPU的实验中，我们的框架可以在16秒（包括I/O）内为真实世界的数据集构建40963卷。
Filtered Back-Projection (FBP) is a fundamental compute intense algorithm used in tomographic image reconstruction. Cone-Beam Computed Tomography (CBCT) devices use a cone-shaped X-ray beam, in comparison to the parallel beam used in older CT generations. Distributed image reconstruction of cone-beam datasets typically relies on dividing batches of images into different nodes. This simple input decomposition, however, introduces limits on input/output sizes and scalability.We propose a novel decomposition scheme and reconstruction algorithm for distributed FPB. This scheme enables arbitrarily large input/output sizes, eliminates the redundancy arising in the end-to-end pipeline and improves the scalability by replacing two communication collectives with only one segmented reduction. Finally, we implement the proposed decomposition scheme in a framework that is useful for all current-generation CT devices (7thgen). In our experiments using up to 1024 GPUs, our framework can construct 40963volumes, for real-world datasets, in under 16 seconds (including I/O).