Szybka metoda estymacji położenia końcówki bronchofiberoskopu – implementacja w GPU

• Autorzy: Socha M.

Warianty tytułu

EN

Fast estimation of bronchofiberoskope ego-motion – GPU based implementation

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono szybką metodę szacowania położenia końcówki bronchofiberoskopu, będącej ważnym fragmentem prototypowego systemu do wspomagania zabiegów bronchoskopowych. Omówiono sposób działania algorytmu śledzenia ruchu endoskopu oraz przedstawiono szczegóły nowej implementacji algorytmu, która wykorzystuje możliwości obliczeniowe procesorów kart graficznych. Zastosowanie wielordzeniowych procesorów graficznych GPU do przetwarzania obrazów z endoskopu zaowocowało ponad 25. krotym przyśpieszeniem algorytmu.

EN

In this work a new implementation of fast approximation of bronchofibero-scopy ego-motion is presented. This algorithm is an important part of a prototype system to support bronchofiberoscopic treatment. Its goal is to help a doctor to take a sample of a pathological lesion (found in computed tomography scan) by means of needle aspiration, performed from a bronchial tree interior [3, 4]. The approach is based on real-time registration of the 2D endoscopic images and virtual ones generated by a virtual camera located inside a 3D CT-based model of the bronchial tree. To speed up ego-motion estimation [5] in bronchial environment there is used a simplified model of geometric relations based on the cylindrical shape accompanied by the fixation on a carina [6], which reduces the number of degrees of freedom of the motion to four. It is achieved by continuous tracking of the carina (stationary point) illuminated by the camera light source, and by analyzing bronchial wall radial moves relative to the fixed point by correlation in the polar coordinates. Fig. 1 shows estimation of rotation steps, Fig. 2 estimation of translation. Use of the multi-core graphics processing unit (GPU) to process the images from the endoscope allowed reducing the computation time more than 25 times.

Słowa kluczowe

PL

przetwarzanie obrazów; nawigacja; bronchoskopia; wspomaganie zabiegów; akceleracja obliczeń; GPGPU

EN

image processing; navigation; bronchoscopy; GPGPU

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 3
• Strony: 216--219
• Opis fizyczny: Bibliogr. 12 poz., rys., tab., wzory

Twórcy

autor

Socha M.

• AGH Akademia Górniczo-Hutnicza, Katedra Metrologii i Elektroniki, Al. Mickiewicza 30, 30-059 Kraków

Bibliografia

• [1] Herth F. J., Eberhardt R., Vilmann P., Krasnik M., Ernst A.: Real-time endobronchial ultrasound guided transbronchial needle aspiration for sampling mediastinal lymph nodes. Thorax; vol. 61: str. 795–798, 2006.
• [2] Duplaga M., Socha M., Wojciechowski W., Tomaszewska R., Soja J., Urbanik A., Sładek K., Niżankowska-Mogilnicka E.: Porównanie skuteczności wirtualnej bronchoskopii i ultrasonografii wewnątrzoskrzelowej jako metod wspomagających transbronchialną aspiracyjną biopsję igłową u pacjentów z podejrzeniem raka płuc, Przegląd Lekarski, t. 64, str. 36-41, 2007.
• [3] Bartz D.: Virtual Endoscopy in Research and Clinical Practice; Eurographics – Computer Graphics forum, vol. 24, nr 1, str. 111-126, 2005.
• [4] Bulat J., Duda K., Socha M., Turcza P., Zielinski T. P., Duplaga M.: Computational tasks in computer-assisted transbronchial biopsy. Future Generation Comp. Syst. (FGCS) 26(3):455-461, 2010.
• [5] Bernard C.: Discrete Wavelet Analysis for Fast Optic Flow Computation; Applied and Computational Harmonic Analysis, vol. 11, nr 1, str. 32-63, 2001.
• [6] Daniilidis K.: Fixation simplifies 3D Motion Estimation, Computer Vision and Image Understanding, vol. 68 (1997), nr 2, str. 158-169
• [7] Mori K., Deguchi D., Sugiyama J., et al.: Tracking of a Bron-choscope Using Epipolar Geometry Analysis and Intensity-Based Image Registration of Real and Virtual Endoscopic Images; Medical Image Analysis, vol. 6, nr 3, str. 321-336, 2002.
• [8] Turcza P.: Navigation system for bronchofiberoscopic procedures based on image registration with scale adaptive image similarity measure; European Signal Processing Conference EUSIPCO-2005, Antalya (Turcja), 2005.
• [9] Twardowski T., Zieliński T., Duda K., Socha M., Duplaga M.: Fast estimation of broncho-fiberoscope egomotion for CT-guided transbronchial biopsy; IEEE Int. Conference on Image Processing ICIP-2006, Atlanta, str. 1189-1192, 2006.
• [10] NVIDIA: CUDA. C Programming Guide. nVidia Corp, http://docs.nvidia.com/cuda 2013.
• [11] Harris, M.: Optimizing Parallel Reduction in CUDA. nVidia. 2008.
• [12] Lewis, J. P.: Fast normalized cross-correlation. Industrial Light & Magic. 1995.