Paralelización de los procesos de conformación de haz para imagen ultrasónica con técnicas GPGPU

D. Romero Laorden

Spain

CSIC-UPM

Centro de Acústica Aplicada y Evaluación no Destructiva - CAEND

O. Martínez Graullera

Spain

CSIC-UPM

Centro de Acústica Aplicada y Evaluación no Destructiva - CAEND

C.J. Martín Arguedas

Spain

CSIC-UPM

Centro de Acústica Aplicada y Evaluación no Destructiva - CAEND

A. Ibáñez

Spain

CSIC-UPM

Centro de Acústica Aplicada y Evaluación no Destructiva - CAEND

L.G. Ullate

Spain

CSIC-UPM

Centro de Acústica Aplicada y Evaluación no Destructiva - CAEND

Enviado: 09-02-2018

|

Aceptado: 09-02-2018

|
DOI: https://doi.org/10.1016/j.riai.2012.02.002
Datos de financiación

Descargas

Palabras clave:

algoritmos paralelos, procesamiento digital de señales, imagen ultrasónica, conformación de haz

Agencias de apoyo:

l Ministerio de Ciencia e Innovación de España (DPI-2007-65408-C02-01

DPI2010-19376)

Resumen:

El proceso de generación de imágenes ultrasónicas mediante técnicas de apertura sintética (SAFT) engloba dos grandes etapas: (1) la etapa de excitación y adquisición, donde se almacenan las señales recibidas por cada elemento o grupo de elementos, y (2) la etapa de conformación de haz o beamforming, en la que todas las señales se combinan juntas para obtener los pixeles de la imagen. El uso de hardware gráfico programable (GPUs) puede reducir significativamente el tiempo de cómputo de esta última etapa, debido a que se emplean algoritmos que incluyen diversas funciones como focalización dinámica, filtros paso banda, filtros espaciales o detección de envolvente. Este trabajo estudia la paralelización de los procesos de conformación de haz para imagen ultrasónica y presenta su implementación con técnicas GPGPU (General Purpose Computation on Graphics Processing Units). Se estudian asimismo los tiempos de ejecución a partir del número de señales involucradas y las dimensiones de la imagen deseada. Los resultados obtenidos muestran que mediante el uso de la GPU es posible acelerar, en más de un orden de magnitud con respecto a implementaciones equivalentes en CPU, los algoritmos de conformación de haz y de post-procesamiento haciendo posible el desarrollo de sistemas de imagen SAFT en tiempo real.
Ver más Ver menos

Citas:

Corl, P. D., Grant, P. M., Kino, G. S., Septiembre 1978. A digital synthetic focus acoustic imaging system for nde. IEEE Ultrasonic Symposium, 263–268.

Goodman, N. A., Stiles, J. M., Julio 2001. The information content of multiple receive aperture sar systems. Proceedings of IEEE Geoscience and Remote Sensing Symposium 4, 1614–1616.

Jensen, J. A., Nikolov, S. I., Gammelmark, K. L., Pedersen, M. H., Diciembre 2006. Synthetic aperture ultrasound imaging. Ultrasonics 44, e6–e16.

Kino, G. S., Enero 1987. Acoustic Waves: Devices, Imaging, and Analog Signal Processing. Prentice Hall.

Lindholm, E., Nickolls, J., Oberman, S., Montrym, J., Marzo 2008. Nvidia tesla: A unified graphics and computing architecture. IEEE Micro 28 (2), 39– 55.

Lockwood, G. R., Talman, J. R., Brunke, S. S., Julio 1998. Real-time 3-d ultrasound imaging using sparse synthetic aperture beamforming. IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency Control 45, 980–988.

Martin, C. J., Martinez, O., Ullate, L. G., Noviembre 2008. Reduction of grating lobes in saft images. IEEE International Ultrasonics Symposium, 721–724.

Nickolls, J., Buck, I., Garland, M., Skadron, K., Abril 2008. Scalable parallel programming with cuda. Queue 6 (2), 40–53.

Nvidia, C., Marzo 2010. NVIDIA CUDA 3.0 Guía de programación.

Smith, S. W., Febrero 1998. Digital Signal Processing. Analog Devices.

Steinberg, B. D., Enero 1976. Principles of Aperture and Array System Design. Wiley-Interscience.

Yen, N. C., Carey, W., Agosto 1989. Application of synthetic-aperture processing to towed-array data. The Journal of the Acoustical Society of America, 158–171.

Ver más Ver menos