代数重建算法优化：快速计算投影系数的新方法

"本文介绍了一种代数重建（ART）中投影系数的快速计算方法，旨在提高重建速度，尤其适用于CUDA平台的并行加速。该方法通过优化射线与网格相交的计算过程，减少计算量，避免复杂的分支结构，从而实现效率提升。在实际应用中，对于固体火箭发动机模型的重建，此算法比传统的Siddon算法快了10倍以上，同时保持了图像质量。文章还提到了其他对ART算法的优化研究，包括投影数据访问方式、松弛因子选择以及并行计算策略。" 文章探讨的核心知识点如下： 1. **代数重建算法（ART）**: ART是一种迭代重建方法，特别适用于不完备投影数据的情况，相比于滤波反投影算法（FBP），它能处理更复杂的数据集，但计算量大，重建速度慢。 2. **投影系数计算**: 在ART算法中，投影系数的计算是关键步骤，影响重建效率。传统的Siddon算法虽然有效，但计算量较大。 3. **快速计算方法**: 文章提出的新算法基于射线与网格相交的规律，使用两个数组分别存储和修正投影系数值，减少了计算量，并且简化了程序设计中的分支结构，使得算法更适合CUDA并行计算。 4. **CUDA并行加速**: CUDA是一种用于GPU计算的编程平台，新算法利用CUDA可以显著提高计算速度，解决了传统算法在GPU上由于频繁判断而导致的效率问题。 5. **图像质量与重建速度平衡**: 新算法在CPU上的表现与Siddon算法相比，重建速度提升了10倍以上，而且在保证图像质量不受损失的情况下实现了这一提升。 6. **相关研究比较**: 除了新提出的算法，文章还引用了Filip Jacobs、张顺利等人对Siddon算法的改进工作，以及Hao Gao的CUDA加速算法，这些研究都为ART算法的优化提供了参考。 7. **应用场景**: 实际应用中，新算法在固体火箭发动机模型的CT重建中展现出高效性能，显示了其在工业领域特别是高精度检测中的潜力。 8. **资助与作者背景**: 该研究由国家自然科学基金和山西省青年科技研究基金支持，第一作者李世虎专注于工业CT重建加速的研究。 通过这些优化，该方法有望在工业CT和医学成像等领域提高重建效率，扩大ART算法的应用范围。