58、并行医学图像重建：从图形处理器到网格系统

并行医学图像重建：从图形处理器到网格系统

1. 图形处理器的并行化

1.1 GPU架构与CUDA

现代图形处理器（GPU）可作为数学协处理器，为CPU增添计算能力。GPU是一种并行机器，由单指令多数据（SIMD）多处理器（数量从1到32不等）组成，SIMD多处理器的流处理器被称为着色器单元。GPU（也称为设备）拥有自己的快速内存，容量高达4GB。主板上可同时安装1到4个GPU作为协处理器。例如，实验中使用的NVIDIA GeForce 8800 GTX，提供768MB设备内存，有16个多处理器，每个多处理器包含8个着色器单元。

NVIDIA通过CUDA（计算统一设备架构）为GPU提供了一个编程接口，将线程编程概念引入到C语言中。一组执行相同代码片段（即内核程序）的线程在一个多处理器上运行，该组中的每个线程在GPU的一个着色器单元上运行，每个单元对不同的数据元素执行内核程序。应用程序的所有线程块由调度器分配到各个多处理器上，GPU的设备内存由所有线程共享。

1.2 列表模式OSEM的CUDA实现

在GPU上对一个子集进行计算的步骤如下：
1. CPU读取子集事件并将其复制到GPU设备内存。
2. 每个线程计算cl的部分和，并直接将其添加到设备内存。每个线程处理的事件数量需综合考虑：一方面，应尽可能启动更多线程以有效隐藏内存延迟；另一方面，每个线程需在设备内存中保存部分结果，若为每个事件启动一个线程，会占用过多内存。因此，启动的线程数量应使所有部分结果仍能存入设备内存。
3. 每个线程计算fl + 1 = flcl的一个体素值。
4. 将fl + 1复制回CPU。

在计算cl时