安陽師范學(xué)院軟件學(xué)院 彭云峰

隨著醫(yī)學(xué)影像成像技術(shù)的不斷發(fā)展，超聲，CT，MRI，PET等不同類型的醫(yī)學(xué)影像技術(shù)在醫(yī)學(xué)臨床應(yīng)用上起著越來越重要的作用。MRI核磁共振成像技術(shù)具有其它技術(shù)所不能比擬的優(yōu)勢。它無輻射，三維分辨能力高，解剖分辨率高，軟組織對(duì)比度高，具有多成像參數(shù)。這些優(yōu)勢使它成為各種臨床疾病診斷的重要輔助手段。它在醫(yī)學(xué)臨床診斷時(shí)，能夠?qū)浗M織進(jìn)行非常清晰的成像，為腦部，肌肉，骨骼，骨髓的細(xì)節(jié)的觀察提供重要幫助。它空間分辨率高。同時(shí)層析斷面可以選擇方向，從而建立被成像部位的清晰立體圖像。這些優(yōu)點(diǎn)使它能在病變尚未顯示形態(tài)變化之前就能暴露出生物組織的化學(xué)變化，在各種嚴(yán)重疾病的早期診斷中起著非常重要的作用。MRI成像時(shí)，人體內(nèi)部的氫質(zhì)子形成的磁矩在外部磁場作用下出現(xiàn)馳豫現(xiàn)象。外部磁場撤離后，氫質(zhì)子釋放激勵(lì)能量，被人體外的接受線圈接受，通過后處理，獲取圖像的具體內(nèi)容。fMRI(functional)功能成像[1]，是基于大腦進(jìn)行某項(xiàng)活動(dòng)時(shí)局部腦區(qū)血氧水平的變化,來觀察進(jìn)行某項(xiàng)任務(wù)時(shí)所謂"腦激活"情況是BOLD信號(hào)成像。MRI可認(rèn)為時(shí)間分辨率為無窮大(不發(fā)生損傷或病理性改變及老化因素等影響，腦結(jié)構(gòu)基本保持穩(wěn)定)，fMRI的時(shí)間分辨率為秒級(jí)。

SPM（statistical parametric mapping)[2]指的是建立和評(píng)估統(tǒng)計(jì)處理方法，用于對(duì)功能影像數(shù)據(jù)的假設(shè)檢驗(yàn)。SPM在處理圖像時(shí)要經(jīng)過以下步驟：預(yù)處理，模型估計(jì)，和結(jié)果顯示。這將是本文后面將要構(gòu)件化的主要功能模塊。SPM軟件包已用于分析大腦圖像序列。由于大腦圖像比較復(fù)雜，圖像的隱含信息比較多，對(duì)圖像的分辨率要求也比較高。SPM目前可用于分析fMRI，PET， SPECT等圖像。SPM預(yù)處理圖像時(shí)要將所得數(shù)據(jù)進(jìn)行對(duì)齊，平滑，標(biāo)準(zhǔn)化等，然后將將刺激的時(shí)間等信息與血流動(dòng)力函數(shù)進(jìn)行卷積，進(jìn)行相關(guān)分析），最后察看結(jié)果。由于SPM要處理大量的圖像數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行計(jì)算和分析，它的成像過程要花費(fèi)大量的時(shí)間。而且，SPM本身用Matlab實(shí)現(xiàn)，可修改和可擴(kuò)充性都不強(qiáng)，對(duì)底層硬件平臺(tái)的適應(yīng)能力也欠佳。

圖1 基于SPM的圖像處理框架

為更快地處理醫(yī)學(xué)影像數(shù)據(jù)，提高程序運(yùn)行速度，可以采用MPI和OpenMP混合編程來處理程序中可以并行處理的大量圖像數(shù)據(jù)。為此，本研究實(shí)現(xiàn)了一個(gè)簡單的基于SPM的圖像處理框架。本框架采用了SPM軟件中的若干關(guān)鍵功能模塊。用C語言結(jié)合MPI和OpenMP語句實(shí)現(xiàn)。如圖1所示，該框架主要包含3個(gè)模塊，分別對(duì)應(yīng)圖像處理中的3個(gè)步驟。其中第一個(gè)模塊采用C+OpenMP的方式實(shí)現(xiàn)。由于OpenMP編程模型在共享存儲(chǔ)式并行方面具有強(qiáng)大能力，數(shù)據(jù)預(yù)處理過程可以通過OpenMP線程并行執(zhí)行，由于在此數(shù)據(jù)預(yù)處理過程中，輸入數(shù)據(jù)之間的依賴關(guān)系較弱，程序執(zhí)行的并行度幾乎完全依賴于能夠使用的CPU處理核心。采用這樣的方式，不同的圖像信息，或同一圖像不同部位的信息都可以被共享內(nèi)存的多核處理器并行處理，極大地提高了圖像預(yù)處理的速度。第2個(gè)模塊用來進(jìn)行模型估計(jì)，將刺激的時(shí)間、間隔與血流動(dòng)力函數(shù)進(jìn)行卷積，所得結(jié)果與全腦象素信號(hào)進(jìn)行相關(guān)分析。這是一個(gè)計(jì)算量更大的操作，也是本圖像處理程序的核心功能。為了更好地處理數(shù)據(jù)，本模塊采用MPI和OpenMP混合編程實(shí)現(xiàn)。對(duì)于數(shù)據(jù)之間耦合比較密切的計(jì)算，采用共享存儲(chǔ)式編程，減少任務(wù)之間通信，交互的代價(jià)。對(duì)于數(shù)據(jù)耦合較弱的運(yùn)算，則采用MPI進(jìn)程并行的方式實(shí)現(xiàn)，利用執(zhí)行平臺(tái)的可擴(kuò)展性，提高程序執(zhí)行的并行度。結(jié)果顯示模塊比較簡單，只使用C語言編程實(shí)現(xiàn)。

通過以上方式，本研究建立了一個(gè)基于SPM算法的并行圖像處理程序框架。但是，在圖像預(yù)處理，模型估計(jì)的執(zhí)行過程中，有可能對(duì)某一功能有不同的實(shí)現(xiàn)算法。同時(shí)，由于執(zhí)行平臺(tái)可能是一個(gè)異構(gòu)的集群，可用資源的情況會(huì)發(fā)生動(dòng)態(tài)的變化。為了方便軟件用戶在算法實(shí)現(xiàn)中做出選擇，同時(shí)讓程序能夠根據(jù)平臺(tái)資源的變化，自動(dòng)地調(diào)整程序運(yùn)行的并行度，更充分地利用平臺(tái)的資源，提高程序性能，本研究將上面的圖像處理程序使用cca-tools[3]制作成了并行構(gòu)件程序?；贑CA并行構(gòu)件模型，美國的并行計(jì)算研究者們制定了CCA并行構(gòu)件體系結(jié)構(gòu)規(guī)范，對(duì)該體系結(jié)構(gòu)的組成元素，構(gòu)件，接口，框架和多語言互操作機(jī)制進(jìn)行了完整和清晰的定義，同時(shí)實(shí)現(xiàn)了一套以bocca工程工具，CCAFFEINE運(yùn)行框架和Babel編譯器為核心的并行構(gòu)件開發(fā)工具包c(diǎn)ca-tools，能夠方便快捷地開發(fā)CCA并行構(gòu)件程序。要成為一個(gè)符合CCA規(guī)范的并行構(gòu)件，只要實(shí)現(xiàn)特定的SetServices方法即可，對(duì)被封裝的并行代碼的要求很少。將并行程序制作成CCA構(gòu)件，同一功能的不同算法實(shí)現(xiàn)提供的是相同的接口。用戶可以根據(jù)自己的需要選擇不同的實(shí)現(xiàn)，通過接口和程序的其它部分連接起來。比如對(duì)數(shù)據(jù)預(yù)處理中的平滑功能，可使用理想濾波器、梯形濾波器、巴特沃斯濾波器、指數(shù)型濾波器進(jìn)行濾波處理。將不同的濾波器實(shí)現(xiàn)為CCA并行構(gòu)件，使用時(shí)只要通過調(diào)用濾波器接口，就可以選擇任何一個(gè)濾波器處理圖像數(shù)據(jù)。將并行圖像處理程序制作為構(gòu)件，還能結(jié)合對(duì)運(yùn)行平臺(tái)資源的管理，動(dòng)態(tài)地改變程序的并行度。資源管理引擎能夠通過實(shí)時(shí)探測的方法，得到平臺(tái)資源的具體信息，包括處理器核數(shù)，內(nèi)存，網(wǎng)絡(luò)帶寬等信息。對(duì)使用OpenMP共享內(nèi)存模型的代碼來說，根據(jù)同一臺(tái)服務(wù)器上共享內(nèi)存的處理器核數(shù)信息，可以靈活地增加或減少程序運(yùn)行的線程數(shù)，提高對(duì)處理器資源的利用率，同時(shí)提高程序運(yùn)行的性能。對(duì)使用MPI并行編程模型的代碼來說，當(dāng)運(yùn)行平臺(tái)上的服務(wù)器個(gè)數(shù)發(fā)生變化時(shí)，可以增加或減少M(fèi)PI進(jìn)程，改變程序的并行度，提高程序性能。對(duì)于前面程序當(dāng)中的模塊2，同時(shí)使用MPI和OpenMP編程模型，可以把程序部署在多核集群上。關(guān)系比較密切的任務(wù)被放在同一個(gè)多核服務(wù)器上，比如卷積操作和分析操作具有前后依賴關(guān)系，它們可以放在同一個(gè)服務(wù)器上，減少任務(wù)之間通信的開銷。而對(duì)于不同圖像的處理，由于它們之間的耦合較小，可以被放在不同的服務(wù)器上，通過MPI進(jìn)程并行的方式執(zhí)行，只要做好任務(wù)的分配和結(jié)果的收集即可。

本研究利用CCA并行構(gòu)件技術(shù)，將SPM軟件包中的不同功能模塊實(shí)現(xiàn)為符合CCA標(biāo)準(zhǔn)的并行構(gòu)件，對(duì)于同一圖像處理功能，可能有不同的算法實(shí)現(xiàn)。用戶在運(yùn)行程序使在這些實(shí)現(xiàn)中做出選擇，并通過相應(yīng)的調(diào)用接口，把不同的并行構(gòu)件連接起來，組成圖像處理程序。結(jié)合部署運(yùn)行并行程序的集群平臺(tái)，混合使用MPI和OpenMP兩種編程模型，針對(duì)構(gòu)件代碼中不同任務(wù)的依賴關(guān)系，可以靈活地改變構(gòu)件運(yùn)行的并行度，既充分地利用了平臺(tái)的計(jì)算資源，又提高了圖像處理功能的運(yùn)行速度，提高了整個(gè)程序的性能。

[1]The FIL Methods group.SPM[EB/OL].http：//www.fil.ion.ucl.ac.uk/spm/.

[2]Wikipedia.Functional magnetic resonance imaging[EB/OL]. https：//en.wikipedia.org/wiki/Functional_magnetic_resonance_imaging.

[3]The Common Component Architecture Forum.CCA Forum Homepage[EB/OL].http：//www.cca-forum.org/.