Implementação de algoritmos de reconstrução de imagens de tomossíntese utilizando processamento paralelo em GPU

Tese de mestrado integrado, Engenharia Biomédica e Biofísica (Radiações em Diagnóstico e Terapia)Universidade de Lisboa, Faculdade de Ciências, 2016O cancro da mama é o tipo de cancro com maior incidência no género feminino, sendo considerado um dos maiores e mais importantes problemas de saúde pública à escala global. A mamografia é a técnica de imagem médica referência para o rastreio e diagnóstico do cancro da mama, no entanto tem associada algumas limitações bem conhecidas: elevada taxa de falsos-negativos (até 66% em mulheres sintomáticas) e falsos-positivos (até 60%). Estes dados estão sobretudo relacionados com o efeito da sobreposição de tecidos na imagem e têm vindo a gerar grande controvérsia na comunidade médica e científica, no que diz respeito ao uso da mamografia como técnica de rastreio, principalmente em mulheres mais jovens (< 50 anos). A DBT (Digital Breast Tomosynthesis) é uma técnica radiológica tridimensional que produz uma pilha de imagens paralelas que representam as várias profundidades do tecido mamário, reduzindo assim o efeito de sobreposição. Existe actualmente evidência da redução das taxas de falsos negativos e de falsos positivos associados à utilização da DBT como técnica de rastreio, quando comparadas às da mamografia digital (FFDM - Full-Field Digital Mammography), sobretudo em mulheres com tecido mamário mais denso. As imagens são reconstruídas a partir de projecções bidimensionais recorrendo a algoritmos computacionais. Estes algoritmos têm um papel fundamental no processo de reconstrução, sobretudo em contexto clínico, uma vez que há a necessidade de implementar um processo que seja simultaneamente preciso e rápido. Actualmente os algoritmos mais utilizados para reconstruir imagens DBT em ambiente clínico são os analíticos, por apresentarem rapidez e simplicidade de execução. Os algoritmos iterativos têm, no entanto, demonstrado produzir imagens de melhor qualidade. O seu uso clínico é actualmente rejeitado devido ao seu elevado tempo de reconstrução e exigência computacional. As capacidades computacionais das unidades de processamento gráfico (GPU – Graphical Processing Units), nomeadamente a capacidade de cálculo paralelo intensivo, foram já utilizadas por vários grupos de investigação para a optimização destes algoritmos iterativos. Um destes estudos foi desenvolvido no Instituto de Biofísica e Engenharia Biomédica (IBEB), na Faculdade de Ciências da Universidade de Lisboa, e consiste na implementação heterogénea (CPU+GPU) do processo de reconstrução de imagens DBT com algoritmos iterativos. Na GPU é executada um dos blocos mais exigentes de todo o algoritmo (o cálculo da matriz de sistema), por intermédio da linguagem de programação CUDA (Compute Unified Device Architecture). Esta implementação apresenta, no entanto, algumas falhas, que se reflectem em ligeiras alterações nas imagens, quando comparadas com as imagens reconstruídas pelo processo puramente sequencial (CPU). O trabalho realizado na presente dissertação visa a correcção destas falhas, de modo a eliminar as diferenças observadas nas imagens reconstruídas, e a aplicação da abordagem heterogénea a outros blocos do algoritmo, de forma a optimizar ainda mais o processo de reconstrução.Breast cancer is the most prevalent type of cancer in women, considered one of the largest and most relevant public health problems worldwide. Mammography is the state-of-the-art medical imaging technique for screening and diagnosis of breast cancer, but has some limitations: high rates of both false-positive and false-negative (up to 66 % and up to 60 %, respectively). This is mainly a result of the overlapping-tissue effect, a fact that has been generating great controversy in the medical-scientific community regarding the use of mammography as a screening technique, especially in younger women (< 50 years).DBT (Digital Breast Tomosynthesis) is a three-dimensional x-ray technique that produces a parallel stack of images representing various depths of the breast volume, thereby reducing the overlapping effect. This technique has shown a reduction in false-negative and false-positive rates, when compared with FFMD (Full-Field Digital Mammography), especially in dense breasts. Images are reconstructed from two-dimensional projections using computer algorithms. These algorithms have a central role in the reconstruction process, especially in clinical context, since it is desirable to implement a process both accurate and fast. Currently the most popular algorithms in clinical setting are analytical, because of their fast and simple execution process. However, iterative algorithms have shown to produce better quality images. The problem is they require a lot of computational capability and thus take more time to reconstruct, making them unattractive to clinical implementation. The computational capabilities of GPUs (Graphical Processing Units), namely intensive parallel computing, have been used by several research groups to optimize these iterative algorithms. One of these studies was developed at the Institute of Biophysics and Biomedical Engineering (IBEB), here at the Faculty of Sciences, and consists of heterogeneous implementation (CPU + GPU) of the DBT image reconstruction process with iterative algorithms. The GPU executes one of the heaviest blocks of the entire reconstruction process (the system matrix calculation), using CUDA (Compute Unified Device Architecture). Still, this implementation has some flaws, which are reflected in slight differences between the reconstructed images and the original ones (images reconstructed by the purely sequential process). My work aims at correcting these flaws in order to eliminate the image errors. Moreover, I intend to generalize this heterogeneous approach to another algorithm blocks, in order to further optimize the reconstruction process