Procesamiento digital de imágenes CT mediante técnicas de HPC e IA

Processament Digital d’Imatges de TC Mitjançant Tècniques de HPC i IA

Digital processing of CT images using HPC and AI techniques

(CTimgHPC&IA)

El objetivo principal de este proyecto es el desarrollo de nuevos métodos de reconstrucción de imagen de Tomografía Computarizada que mejoren la calidad de la imagen obtenida reduciendo también las proyecciones (y por tanto la dosis de radiación), así como minimizar el tiempo de cómputo necesario para producir las imágenes TC.

El proceso de reconstrucción de imagen de Tomografía Computarizada se basa en la resolución de grandes sistemas de ecuaciones, es muy importante mejorar las técnicas para resolverlos más eficientemente. Para el procesamiento de matrices se utilizan técnicas de Computación de Altas Prestaciones y Programación Paralela. Para aplicar nuevos métodos que puedan utilizarse en entornos clínicos con la máxima eficacia hacen falta expertos en estos campos.

Tanto las arquitecturas multiprocesador (varios procesadores en una unidad de cálculo) como multicore (varios núcleos en el mismo paquete) pueden emplearse plenamente en los cálculos. Los recursos computacionales deben aprovecharse al máximo para acelerar el proceso de resolución de forma muy significativa.

Los métodos de reconstrucción desarrollados por nuestro equipo de investigación utilizan "Sparse Sampling" con proyecciones dispersas, y se han implementado utilizando herramientas de computación de alto rendimiento. También pueden ejecutarse en procesadores sencillos, así como en multiprocesadores y GPU. Hemos desarrollado diversas variantes tanto del método de mínimos cuadrados QR (LSQR) (combinado con técnicas de regularización), como de la factorización QR basada en técnicas "out-of-core".

Las areas de estudio específicas del proyecto son:

Adaptación, verificación y optimización de métodos algebraicos iterativos de reconstrucción.

Estudio, análisis y diseño de métodos algorítmicos por bloques para la computación simultanea de varias imágenes utilizando los métodos LSQR y LSMR. Estudio, análisis y diseño también de algoritmos orientados a bloques por métodos STF y FISTA. Implementación paralela en GPU de los algoritmos. Análisis estadístico y evaluación de los valores óptimos de los parámetros implicados en los métodos empleados. Análisis de la calidad de imágenes TC obtenidas para diagnóstico.

Adaptación, verificación y optimización del método de reconstrucción directa basado en la factorización QR a partir de técnicas Out-of-Core.

Desarrollo y evaluación de métodos out-of-core para simple precisión y estudio de la calidad de imagen resultante. Desarrollo y evaluación de nuevos métodos eficientes para generar imágenes cuando la matriz de coeficientes es de rango deficiente empleando técnicas out-of-core. Análisis del impacto del ruido en los datos sobre la calidad de la imagen cuando se emplea la factorización QR.

Desarrollo y aplicación de nuevas técnicas de filtrado de imágenes y sinogramas de TC, incluidas técnicas basadas en Inteligencia Artificial.

Detección y eliminación de ruido impulsivo, de Poisson, gaussiano y mixto gaussiano-impulsivo en imágenes de TC y sinogramas. Diseño e implementación de filtros basados en Inteligencia Artificial en combinación con otras técnicas de filtrado. Prueba de los filtros en combinación con los métodos de reconstrucción algebraica y evaluación de la calidad de la imagen TC obtenida para diagnóstico.

Desarrollo e integración de nuevas técnicas basadas en la IA con los métodos algebraicos y evaluación de los resultados.

Interpolación de sinogramas con proyecciones dispersas mediante Redes Neuronales Convolucionales (CNNs) para formar sinogramas de rango completo. Análisis de la calidad de las imágenes de TC obtenidas. Desarrollo de una Red Generativa Adversarial (GAN) para obtener directamente una imagen de TC a partir de una proyección de TC.

Nuestro grupo de investigación interdisciplinar ha estado trabajando varios años en el área de la Reconstrucción de Imagen Médica TC con Proyecciones Dispersas, y se pueden considerar expertos en sus campos.

La financiación del proyecto ha sido proporcionada por el Ministerio de Ciencia e Innovación y la Agencia Estatal de Investigación como ayuda a Proyecto Estratégico Orientado a la «Transición Ecológica y a la Transición Digital», y por la Unión Europea NextGenerationEU/PRTR. Referencia del proyecto: TED2021- 131091B- I00

L'objectiu principal d'aquest projecte és el desenvolupament de nous mètodes de reconstrucció d'imatge de Tomografia computada que milloren la qualitat de la imatge obtinguda reduint també les projeccions (i per tant la dosi de radiació), així com minimitzar el temps de còmput necessari per a produir les imatges TC.

El procés de reconstrucció d'imatge de Tomografia computada es basa en la resolució de grans sistemes d'equacions, és molt important millorar les tècniques per a resoldre'ls més eficientment. Per al processament de matrius s'utilitzen tècniques de Computació d'Altes Prestacions i Programació Paral·lela. Per a aplicar nous mètodes que puguen utilitzar-se en entorns clínics amb la màxima eficàcia fan falta experts en aquests camps.

Tant les arquitectures multiprocessador (diversos processadors en una unitat de càlcul) com multicore (diversos nuclis en el mateix paquet) poden emprar-se plenament en els càlculs. Els recursos computacionals han d'aprofitar-se al màxim per a accelerar el procés de resolució de forma molt significativa.

Els mètodes de reconstrucció desenvolupats pel nostre equip d'investigació utilitzen "Sparse Sampling" amb projeccions disperses, i s'han implementat utilitzant eines de computació d'alt rendiment. També poden executar-se en processadors senzills, així com en multiprocessadors i GPU. Hem desenvolupat diverses variants tant del mètode de mínims quadrats QR (LSQR) (combinat amb tècniques de regularització), com de la factorització QR basada en tècniques "out-of-core".

Les areas d'estudi específiques del projecte són:

Adaptació, verificació i optimització de mètodes algebraics iteratius de reconstrucció.

Estudi, anàlisi i disseny de mètodes algorítmics per blocs per a la computació simultaneja de diverses imatges utilitzant els mètodes LSQR i LSMR. Estudi, anàlisi i disseny també d'algorismes orientats a blocs per mètodes STF i FISTA. Implementació paral·lela en GPU dels algorismes. Anàlisi estadística i avaluació dels valors òptims dels paràmetres implicats en els mètodes emprats. Anàlisi de la qualitat d'imatges TC obtingudes per a diagnòstic.

Adaptació, verificació i optimització del mètode de reconstrucció directa basat en la factorització QR a partir de tècniques Out-of-Core.

Desenvolupament i avaluació de mètodes out-of-core per a simple precisió i estudi de la qualitat d'imatge resultant. Desenvolupament i avaluació de nous mètodes eficients per a generar imatges quan la matriu de coeficients és de rang deficient emprant tècniques out-of-core. Anàlisi de l'impacte del soroll en les dades sobre la qualitat de la imatge quan s'empra la factorització QR.

Desenvolupament i aplicació de noves tècniques de filtrat d'imatges i sinogramas de TC, incloses tècniques basades en Intel·ligència Artificial.

Detecció i eliminació de soroll impulsiu, de Poisson, gaussià i mixt gaussià-impulsiu en imatges de TC i sinogramas. Disseny i implementació de filtres basats en Intel·ligència Artificial en combinació amb altres tècniques de filtrat. Prova dels filtres en combinació amb els mètodes de reconstrucció algebraica i avaluació de la qualitat de la imatge TC obtinguda per a diagnòstic.

Desenvolupament i integració de noves tècniques basades en la IA amb els mètodes algebraics i avaluació dels resultats.

Interpolació de sinogramas amb projeccions disperses mitjançant Xarxes Neuronals Convolucionals (CNNs) per a formar sinogramas de rang complet. Anàlisi de la qualitat de les imatges de TC obtingudes. Desenvolupament d'una Xarxa Generativa Adversarial (GAN) per a obtindre directament una imatge de TC a partir d'una projecció de TC.

El nostre grup d'investigació interdisciplinària ha estat treballant diversos anys en l'àrea de la Reconstrucció d'Imatge Mèdica TC amb Projeccions Disperses, i es poden considerar experts en els seus camps.

El finançament del projecte ha sigut proporcionada pel Ministeri de Ciència i Innovació i l'Agència Estatal d'Investigació com a ajuda a Projecte Estratègic Orientat a la «Transició Ecològica i a la Transició Digital», i per la Unió Europea NextGenerationEU/PRTR. Referència del projecte: TED2021- 131091B- I00

The main objective of this project is the development of new Computerized Tomography image reconstruction methods that improve the quality of the obtained image wilst using fewer views (and thus reducing the radiation dose), as well as minimizing the computational time needed for producing these images.

CT image reconstruction is based on solving large systems of ecuations, it is very important to improve the currently available techniques to solve them efficiently and quickly. When processing large matrices, High-Performance Computing (HPC) techniques as well as Parallel Programming are usually employed. Experts in high-performance computing are needed to implement new methods that can be used in clinical settings with maximum efficiency.

Both multiprocessor (multiple processors in a computing unit) and multicore (multiple cores in the same package) architectures can be fully employed in the computations. Computational resources must be fully exploited to speed up the resolution process in a very significant way.

The reconstruction methods developed by our research team use "Sparse Sampling" with few projections, and have been implemented using High-Performance Computing tools. They can be also executed on simple processors, as well as multiprocessors and GPUs. We have developed several variants of both the Least Square QR (LSQR) method (combined with regularization techniques), as well as the QR factorization based on "out-of-core" techniques.

The project's specific objectives are:

Adaptation, verification and optimization of iterative algebraic reconstruction methods.

Study, analysis, and design of efficient block-oriented algorithms methods for computing the simultaneous reconstruction of several images using LSQR and LSMR methods. Study, analysis, and design of efficient block-oriented algorithms with STF and FISTA methods. Parallel GPU implementation of the algorithms. Statistical analysis and evaluation of the optimal parameters in the employed methods. Analysis of the quality of CT images obtained for diagnosis.

Adaptation, verification, and optimization of the direct reconstruction method based on the QR factorization based on Out-of-Core techniques.

Development and assessment of out-of-core methods for single-precision floating-point numbers and study of the quality of the resulting image. Development and assessment of new efficient methods for generating images when the coefficient matrix is rank-deficient by employing out-of-core techniques. Analysis of the impact of noise in the data on the quality image when employing the QR factorization.

Development and implementation of new image filtering techniques and CT sinograms including techniques based on Artificial Intelligence.

Detection and elimination of impulsive, Poisson, Gaussian, and mixed Gaussian-impulsive noise in CT images and sinograms. Design and implementation of filters based on Artificial Intelligence in combination with other filtering techniques. Testing of the filters in combination with the algebraic reconstructions methods and assessment of the image quality for diagnosis.

Development and integration of new AI-based techniques with the algebraic methods and evaluation of results.

Interpolation of sinograms with few-views through Convolutional Neural Networks (CNNs) to form full-rank sinograms. Analysis of the quality of CT images obtained. Development of a Generative Adversarial Network (GAN) to directly obtain a CT image from a CT projection.

Our interdisciplinary research group has been working for years in the area of few view CT Medical Image Reconstruction and can be considered experts in their fields.

This project's financiation has been provided by the Ministry of Science and Innovation (MCIN) and the AEI as a grant for a Strategic Project oriented to the «Ecological Transition and Digital Transition», and by the European Union NextGenerationEU/PRTR. Project reference: TED2021-131091B-I00

Descarga el pdf

Descàrrega el pdf

Download the pdf

Producción científica

Producció científica

Scientific work

Artículo: Few-View CT Image Reconstruction via Least-Squares Methods: Assessment and Optimization

Mónica Chillarón Pérez, Vicente E. Vidal, Gumersindo J. Verdú & Gregorio Quintana-Ortí (2023) Few-View CT Image Reconstruction via Least-Squares Methods: Assessment and Optimization, Nuclear Science and Engineering, DOI: 10.1080/00295639.2023.2199677

Abstract: Está proliferando el uso de métodos algebraicos iterativos aplicados a la reconstrucción de imágenes médicas de tomografía computarizada (TC) para reconstruir imágenes de TC de alta calidad utilizando muchas menos vistas que mediante métodos analíticos. Esto implicaría reducir la dosis de rayos X aplicada a los pacientes que requieren esta prueba médica. Los métodos de mínimos cuadrados son un enfoque prometedor para reconstruir las imágenes con pocas proyecciones obteniendo una alta calidad. Además, dado que estas técnicas implican una alta carga computacional, es necesario desarrollar métodos eficientes que hagan uso de herramientas informáticas de alto rendimiento para acelerar las reconstrucciones. En este trabajo se analizan tres métodos de mínimos cuadrados -Last-Squares Model Based (LSMB), Least-Squares QR (LSQR) y Least-Squares Minimal Residual (LSMR)- para determinar si el método LSMB proporciona una convergencia más rápida y, por tanto, tiempos computacionales menores. Además, se implementó una versión en bloque tanto del método LSQR como del método LSMR. Con ellos, se pueden resolver múltiples lados derechos (múltiples rebanadas) al mismo tiempo, aprovechando el paralelismo obtenido con la implementación de los métodos utilizando la Intel Math Kernel Library. Se comparan las dos implementaciones en términos de convergencia, tiempo y calidad de las imágenes obtenidas, reduciendo el número de proyecciones y combinándolas con una técnica de regularización y aceleración. Los experimentos muestran cómo las implementaciones son escalables y obtienen imágenes de buena calidad a partir de un número reducido de vistas, siendo el método LSQR el más adecuado para esta aplicación.

Congreso: M&C 2023 - Conferencia Internacional en Matemáticas y Métodos Computacionales aplicados a la ingeniería y ciencia Nuclear

Congreso celebrado en Canadá entre el 13 y el 17 de agosto de 2023. Se presentó en una sesión técnica: "Reconstrucción de imágen de TC utilizando el método QR: precisión simple vs. doble" por los autores Mónica Chillarón Pérez, Gregorio Quintana-Ortí, Vicente Emilio Vidal Gimeno y Gumersindo Jesús Verdú Martín.

Abstract: Los métodos algebraicos aplicados a la reconstrucción de Tomografía Computarizada (TC) pueden proporcionar tanto una alta calidad de imagen como una disminución de la dosis recibida por el paciente. Sin embargo, su coste computacional es superior al de los métodos analíticos, por lo que el tiempo de reconstrucción se ve incrementado. Nuestra implementación del método algebraico QR obtiene una solución exacta al sistema de ecuaciones que modela el problema siempre que el rango de la matriz sea completo. Utilizando computación out-of-core (OOC), el tamaño del sistema puede aumentar siempre que haya almacenamiento en disco disponible, ya que no depende del tamaño de la memoria principal. Nuestro método ha sido optimizado e implementado para GPUs. En este trabajo, se lleva a cabo un estudio comparativo del método QR mediante técnicas de out-of-core computing en GPU aplicado a la reconstrucción de TC utilizando tanto aritmética de precisión simple como aritmética de precisión doble para determinar el factor de mejora de tiempo conseguido utilizando aritmética de precisión simple. Además, se analiza la calidad de las imágenes reconstruidas para determinar si es suficiente para considerarla una opción viable. Los resultados muestran una disminución del tiempo de reconstrucción de más del 50% utilizando la precisión única, y las imágenes obtenidas conservan todas las estructuras internas a pesar de tener mayores niveles de ruido en comparación con los resultados de doble precisión.

Congreso: Reunión Anual SNE 2023 - 48 Reunión Anual de la Sociedad Nuclear Española

Congreso celebrado en Toledo entre el 4 y el 6 de octubre de 2023. Se presentó en una sesión técnica: "Implementación Eficiente de un método Fuzzy en dos fases para el filtrado de imágenes médicas" por los autores Celia Tendero Delicado, Josep Arnal García, Mónica Chillarón Pérez, Vicente Emilio Vidal Gimeno y Jordi Bataller Mascarell.

Abstract: Este trabajo estudia el uso de un filtro basado en lógica fuzzy para el filtrado de ruido gaussiano-impulsivo en imágenes de TC. Se analiza, diseña e implementa el método de filtrado lo más optimizado posible para las versiones secuenciales y paralelas en CPU y GPU. Para evaluar el rendimiento del filtro se utilizarán dos conjuntos diferentes de imágenes de la base de datos radiopaedia y de la clínica Mayo. Se presentan y comparan los tiempos computacionales obtenidos de diversas implementaciones de dicho filtro a nivel de utilización de recursos hardware (GPU, Multiprocesador) y en variantes del método en GPU (caóticos). También se analiza la calidad de las imágenes obtenidas por las diferentes implementaciones del filtro, para ello se utilizan las métricas de calidad objetivas mediante el cálculo del PSNR y el SSIM. Se ha observado una mejora significativa en los tiempos de computación tras aplicar estrategias de optimización en GPU, siendo la diferencia más notable cuando se aumenta la resolución de la imagen.

Article: Few-View CT Image Reconstruction via Least-Squares Methods: Assessment and Optimization

Abstract: Està proliferant l'ús de mètodes algebraics iteratius aplicats a la reconstrucció d'imatges mèdiques de tomografia computada (TC) per a reconstruir imatges de TC d'alta qualitat utilitzant moltes menys vistes que mitjançant mètodes analítics. Això implicaria reduir la dosi de raigs X aplicada als pacients que requereixen esta prova mèdica. Els mètodes de mínims quadrats són un enfocament prometedor per a reconstruir les imatges amb poques projeccions obtenint una alta qualitat. A més, atés que estes tècniques impliquen una alta càrrega computacional, és necessari desenvolupar mètodes eficients que facen ús d'eines informàtiques d'alt rendiment per a accelerar les reconstruccions. En este treball s'analitzen tres mètodes de mínims quadrats -Last-Squares Model Based (LSMB), Least-Squares QR (LSQR) i Least-Squares Minimal Residual (LSMR)- per a determinar si el mètode LSMB proporciona una convergència més ràpida i, per tant, temps computacionals menors. A més, es va implementar una versió en bloc tant del mètode LSQR com del mètode LSMR. Amb ells, es poden resoldre múltiples costats drets (múltiples llesques) al mateix temps, aprofitant el paral·lelisme obtingut amb la implementació dels mètodes utilitzant la Intel Math Kernel Library. Es comparen les dues implementacions en termes de convergència, temps i qualitat de les imatges obtingudes, reduint el nombre de projeccions i combinant-les amb una tècnica de regularització i acceleració. Els experiments mostren com les implementacions són escalables i obtenen imatges de bona qualitat a partir d'un nombre reduït de vistes, sent el mètode LSQR el més adequat per a esta aplicació.

Congrés: M&C 2023 - Conferència Internacional en Matemàtiques i Mètodes Computacionals aplicats a l'enginyeria i ciència Nuclear

Congrés celebrat al Canadà entre el 13 i el 17 d'agost de 2023. Es va presentar en una sessió tècnica: "Reconstrucció d'imágen de TC utilitzant el mètode QR: precisió simple vs. doble" pels autors Mónica Chillarón Pérez, Gregorio Quintana-Ortí, Vicente Emilio Vidal Gimeno i Gumersindo Jesús Verdú Martín.

Abstract: Els mètodes algebraics aplicats a la reconstrucció de Tomografia computada (TC) poden proporcionar tant una alta qualitat d'imatge com una disminució de la dosi rebuda pel pacient. No obstant això, el seu cost computacional és superior al dels mètodes analítics, per la qual cosa el temps de reconstrucció es veu incrementat. La nostra implementació del mètode algebraic QR obté una solució exacta al sistema d'equacions que modela el problema sempre que el rang de la matriu siga complet. Utilitzant computació out-of-core (OOC), la grandària del sistema pot augmentar sempre que hi haja emmagatzematge en disc disponible, ja que no depén de la grandària de la memòria principal. El nostre mètode ha sigut optimitzat i implementat per a GPUs. En este treball, es duu a terme un estudi comparatiu del mètode QR mitjançant tècniques d'out-of-core computing en GPU aplicat a la reconstrucció de TC utilitzant tant aritmètica de precisió simple com aritmètica de precisió doble per a determinar el factor de millora de temps aconseguit utilitzant aritmètica de precisió simple. A més, s'analitza la qualitat de les imatges reconstruïdes per a determinar si és suficient per a considerar-la una opció viable. Els resultats mostren una disminució del temps de reconstrucció de més del 50% utilitzant la precisió única, i les imatges obtingudes conserven totes les estructures internes malgrat tindre majors nivells de soroll en comparació amb els resultats de doble precisió.

Congrés: Reunió Anual SNE 2023 - 48 Reunió Anual de la Societat Nuclear Espanyola

Congrés celebrat a Toledo entre el 4 i el 6 d'octubre de 2023. Es va presentar en una sessió tècnica: "Implementació Eficient d'un mètode Fuzzy en dues fases per al filtrat d'imatges mèdiques" pels autors Celia Tendero Delicat, Josep Arnal García, Mónica Chillarón Pérez, Vicente Emilio Vidal Gimeno i Jordi Bataller Mascarell.

Abstract: Este treball estudia l'ús d'un filtre basat en lògica fuzzy per al filtrat de soroll gaussià-impulsiu en imatges de TC. S'analitza, dissenya i implementa el mètode de filtrat el més optimitzat possible per a les versions seqüencials i paral·leles en CPU i GPU. Per a avaluar el rendiment del filtre s'utilitzaran dos conjunts diferents d'imatges de la base de dades radiopaedia i de la clínica Mayo. Es presenten i comparen els temps computacionals obtinguts de diverses implementacions d'aquest filtre a nivell d'utilització de recursos maquinari (GPU, Multiprocessador) i en variants del mètode en GPU (caòtics). També s'analitza la qualitat de les imatges obtingudes per les diferents implementacions del filtre, per a això s'utilitzen les mètriques de qualitat objectives mitjançant el càlcul del PSNR i el SSIM. S'ha observat una millora significativa en els temps de computació després d'aplicar estratègies d'optimització en GPU, sent la diferència més notable quan s'augmenta la resolució de la imatge.

Paper: Few-View CT Image Reconstruction via Least-Squares Methods: Assessment and Optimization

Abstract: The use of iterative algebraic methods applied to the reconstruction of computed tomography (CT) medical images is proliferating to reconstruct high-quality CT images using far fewer views than through analytical methods. This would imply reducing the dose of X-rays applied to patients who require this medical test. Least-squares methods are a promising approach to reconstruct the images with few projections obtaining high quality. In addition, since these techniques involve a high computational load, it is necessary to develop efficient methods that make use of high-performance-computing tools to accelerate reconstructions. In this paper, three least-squares methods are analyzed—Least-Squares Model Based (LSMB), Least-Squares QR (LSQR), and Least-Squares Minimal Residual (LSMR)—to determine whether the LSMB method provides faster convergence and thus lower computational times. Moreover, a block version of both the LSQR method and the LSMR method was implemented. With them, multiple right-hand sides (multiple slices) can be solved at the same time, taking advantage of the parallelism obtained with the implementation of the methods using the Intel Math Kernel Library. The two implementations are compared in terms of convergence, time, and quality of the images obtained, reducing the number of projections and combining them with a regularization and acceleration technique. The experiments show how the implementations are scalable and obtain images of good quality from a reduced number of views, with the LSQR method being better suited for this application.

Conference: M&C 2023 - International Conference on Mathematics and Computational Methods Applied to Nuclear Science and Engineering

Conference held in Canada from August 13th to the 17th, 2023. This was presented in a technical session: "CT Image Reconstruction Using the QR Method: Single vs Double Precision" by the authors Mónica Chillarón Pérez, Gregorio Quintana-Ortí, Vicente Emilio Vidal Gimeno and Gumersindo Jesús Verdú Martín.

Abstract: The algebraic methods applied to the reconstruction of Computed Tomography (CT) can provide both a high image quality and a decrease in the dose received by the patient. However, their computational cost is higher than that of analytical methods, so the reconstruction time is increased. Our implementation of the algebraic QR method obtains an exact solution to the system of equations that models the problem provided the rank of the matrix is complete. Using out-of-core (OOC) computing, the size of the system can increase as long as there is available disk storage since it does not depend on the main memory size. Our method has been optimized and implemented for GPUs. In this work, a comparative study of the QR method using out-of-core computing techniques on GPU applied to CT reconstruction using both single-precision arithmetic and double-precision arithmetic is carried out to determine the time improvement factor achieved using single-precision arithmetic. In addition, the quality of the reconstructed images is analyzed to determine if it is sufficient to consider it a viable option. Results show a decrease of the reconstruction time of more than 50% using single precision, and the obtained images retain all internal structures despite having higher noise levels compared to the double-precision results.

Conference: SNE 2023 - 48th Anual Meeting of the Spanish Nuclear Society

Conference held in Toledo from October 4th to the 6th, 2023. This was presented in a technical session: "Efficient Implementation of a two-step fuzzy method for medical image filtering" by the authors Celia Tendero Delicado, Josep Arnal García, Mónica Chillarón Pérez, Vicente Emilio Vidal Gimeno and Jordi Bataller Mascarell.

Abstract: This work studies the use of a fuzzy logic based filter for Gaussian-impulsive noise filtering in CT images. The filtering method is analyzed, designed and implemented as optimized as possible for sequential and parallel versions on CPU and GPU. Two different sets of images from the radiopaedia and Mayo clinic database will be used to evaluate the filter performance. The computational times obtained from different implementations of the filter at the level of hardware resource utilization (GPU, Multiprocessor) and GPU variants of the method (chaotic) are presented and compared. The quality of the images obtained by the different implementations of the filter is also analyzed, using objective quality metrics by calculating the PSNR and SSIM. A significant improvement in computational times has been observed after applying GPU optimization strategies, the difference being more noticeable when the image resolution is increased.

GCCAPPI