Parallelization of Coherent Point Drift for patient registration

Abstract

Punktskyregistrering er en sentral del i enhver anvendelse der det er ønskelig å vite hvordan to sett av punkter hører sammen, for eksempel data fra medisinske undersøkelser. Det finnes et stort utvalg av ulike algoritmer for å løse slike registreringsproblem, og en av dem er Coherent Point Drift (CPD). I denne oppgaven blir en rask implementasjon av denne algoritmen utviklet ved hjelp av parallellisering av beregninger både på CPU og GPU, som reduserer kjøretiden betydelig. Den utviklede algoritmen, kalt FAST CPD (FCPD), inkluderer rigid, affin og elastisk registrering og koden blir fritt tilgjengelig som åpen kildekode.

FCPD gir kjøretider for rigid registrering som gjør det mulig å gjøre slik registrering i sanntid med CPD, og elastisk registrering av relativt store datasett kan bli gjort i løpet av få sekunder. Elastisk FCPD ble testet på data for korrigering av forskyningen av hjernen som kan oppstå under hjerneoperasjoner (brain-shift correction).

Point set registration is a central part in any application where the correspondence between two data point sets is of interest, for instance patient data from medical examinations. There exists numerous different algorithms that aim at solving the registration problem, and one of which is the Coherent Point Drift (CPD) algorithm. In this thesis a fast implementation of this algorithm is developed with parallelization on both CPU and GPU, significantly reducing the time required to perform the registrations. The developed algorithm, called FAST CPD (FCPD), includes rigid, affine and elastic registration and the code will be freely available as open-source.

The rigid FCPD runtimes allow for real-time registration with the CPD algorithm, and the elastic registration runtimes make it possible to register relatively large point sets within a few seconds. The elastic FCPD is applied to data used to correct for the brain-shift occurring during brain surgeries.