BPF重建算法的 CUDA并行实现

反投影滤波(Backprojection-Filter，BPF)算法凭借其可实现感兴趣区域重建的优点，近年来逐渐被应用到锥束 CT中。但是，由于算法的复杂性，实践中存在耗时问题，同时其 GPU加速的实现亦存在显存不足等问题。因此，文章提出了一种基于 CUDA的 BPF并行加速算法。通过设计高效的算法框架，在保留其重建精度的前提下，有效地减少所需显存。此外，总结了正投影算法及 BPF算法中采用的加速策略，如利用算法特征加速等，并引入显存池的概念优化算法架构。仿真实验结果表明，在精确重建的前提下，采用新框架重建512×512×512数据只需8.055 s，感兴趣区域重建只需4.566 s，只需1.523 s便可输出第一部分数据，且能把显存占用从2.5 GB减少到100 MB以下，适用于大数据重建。