Abstract
Large-field high-resolution electron tomography enables visualizing detailed mechanisms under global structure. As field enlarges, the distortions of reconstruction and processing time become more critical. Using the curvilinear projection model can improve the quality of large-field ET reconstruction, but its computational complexity further exacerbates the processing time. Moreover, there is no parallel strategy on GPU for iterative reconstruction method with curvilinear projection. Here we propose a new Block-iterative SIRT parallel algorithm with the curvilinear projection model (BSIRT) for large-field ET reconstruction, to improve the quality of reconstruction and accelerate the reconstruction process. We also develop some key techniques, including block-iterative method with the curvilinear projection, a scope-based data decomposition method and a page-based data transfer scheme to implement the parallelization of BSIRT on GPU platform. Experimental results show that BSIRT can improve the reconstruction quality as well as the speed of the reconstruction process
چکیده
پرتونگاری الکترونی کیفیت بالای حوزه گسترده، ما را قادر به تجسم مکانیسم‌های دقیق تحت ساختار سراسری می‌نماید. هر چه حوزه بزرگتر می‌شود، بازسازی اعوجاج‌ها و زمان اجرا مهم‌تر می‌شوند. با استفاده از مدل تصویر منحنی‌الخط می‌تواند کیفیت بازسازی ET حوزه گسترده را بهبود بخشید، ولی پیچیدگی محاسباتی آن بیشتر می‌شود. همچنین، هیچ استراتژی موازی روی GPU برای روش بازسازی تکراری با تصویر منحنی‌الخط وجود ندارد. در اینجا ما یک الگوریتم موازی SIRT بلوک تکراری جدید(BSIRT) برای بازسازی ET حوزه‌گسترده به منظور بهبود کیفیت بازسازی و سرعت دادن به فرایند بازسازی ارائه کرده‌ایم. همچنین ما برخی تکنیک‌های کلیدی شامل روش بلوک تکراری ، یک روش تجزیه‌ی داده‌ی مبتنی بر محدوده و یک طرح انتقال داده‌ی مبتنی بر صفحه با نگاشت منحنی‌الخط برای پیاده‌سازی موازی‌سازی BSIRT روی GPU ایجاد نموده‌ایم. نتایج عملی نشان می‌دهند که BSIRT می‌تواند کیفیت بازسازی و سرعت فرایند بازسازی را بهبود بخشد.
1 -مقدمه
پرتونگاری الکترونی(ET) به عنوان یک تکنیک قدرتمند در تحلیل ساختار سه بعدی(3D) ویروس‌های پیچیده، اندامک‌ها، سلول‌ها و بافت‌ها در مقیاس نانومتر ظهور کرده است[1]. در ET، یک سری از نگاشت تصاویر با نوسان نمونه حول محور نام‌گذاری به دست آمده‌اند. ساختار سه بعدی نمونه می‌تواند از این نگاشت تصاویر، با استفاده از الگوریتم‌های بازسازی، نتیجه شود. به دلیل محدودیت‌های فیزیکی میکروسکوپ‌ها، دامنه‌ی نوسان زاویه‌ای محدود است(معمولاً در [60 و 60-] یا [70 و 70-]). به‌علاوه، نمونه‌ها باید در دز‌های الکترونی متفاوت نگاشت شوند که باعث نویزی شدن بسیار زیاد تصاویر نگاشت می‌شود. برای دستیابی به نتایج بازسازی شده‌ی با کیفیت بالا، چندین روش تکراری مانند SIRT [2]، BICAV [3] و ASART [4] ایجاد شده تا نگاشت تصاویر ناکامل و نویزی در بازسازی ET کنترل شود…