本發(fā)明涉及放射治療劑量計(jì)算領(lǐng)域，具體為一種蒙特卡洛快速劑量計(jì)算方法。

背景技術(shù)：

1、蒙特卡洛劑量計(jì)算技術(shù)是一種依賴于隨機(jī)采樣的數(shù)值模擬手段。在處理粒子傳輸問題時(shí)，該技術(shù)利用計(jì)算機(jī)生成的偽隨機(jī)數(shù)，依據(jù)特定概率分布對(duì)粒子物理傳輸過程中的相關(guān)參數(shù)進(jìn)行隨機(jī)采樣，從而模擬單個(gè)粒子在介質(zhì)中的運(yùn)動(dòng)軌跡。作為放射治療劑量計(jì)算領(lǐng)域公認(rèn)的高精度計(jì)算方法，蒙特卡洛技術(shù)憑借其在粒子傳輸模擬和幾何建模方面的精確性，在醫(yī)學(xué)物理學(xué)和輻射劑量學(xué)中占據(jù)重要地位。

2、盡管如此，通用型的蒙特卡洛模擬軟件，例如egs4、egsnrc、geant、mcnp等，雖然采用了高精度的傳輸算法和反應(yīng)截面數(shù)據(jù)來模擬不同能量粒子在各種介質(zhì)中的傳輸過程，但其計(jì)算耗時(shí)過長(zhǎng)的問題仍然是臨床應(yīng)用中的主要瓶頸。多年來，為了提高計(jì)算效率、縮短計(jì)算時(shí)間，研究者們提出了多種基于不同原理的快速蒙特卡洛計(jì)算模型，使得蒙特卡洛方法的計(jì)算速度得到了顯著提升。然而，要達(dá)到臨床應(yīng)用中近乎實(shí)時(shí)計(jì)算的要求，仍需進(jìn)一步的技術(shù)突破。

3、自2006年nvidia公司推出基于gpu的并行計(jì)算架構(gòu)cuda以來，利用gpu進(jìn)行蒙特卡洛模擬逐漸成為劑量計(jì)算研究中的一個(gè)重要方向。與傳統(tǒng)的cpu計(jì)算相比，gpu在單位計(jì)算能力的成本和能耗方面具有顯著優(yōu)勢(shì)，這些特點(diǎn)使其在醫(yī)學(xué)物理學(xué)領(lǐng)域展現(xiàn)出巨大的應(yīng)用潛力。在此期間，全球多個(gè)研究團(tuán)隊(duì)相繼開發(fā)了基于gpu的蒙特卡洛模擬工具，如gdpm[2]、gpumcd、gmc、smc等[3-5]。這些工具在保持蒙特卡洛模擬高精度的同時(shí)，大幅提升了計(jì)算速度。

4、nvidia的ampere架構(gòu)是2020年推出的一款革命性gpu架構(gòu)[6]，代表了gpu技術(shù)在性能、能效和功能上的重大突破。該架構(gòu)基于臺(tái)積電7納米或三星8納米制程工藝，顯著提升了晶體管密度和能效比，為高性能計(jì)算、人工智能和圖形渲染等領(lǐng)域提供了強(qiáng)大的硬件支持。ampere架構(gòu)的核心創(chuàng)新包括第三代tensor?core和第二代rt?core。第三代tensor?core支持多種數(shù)據(jù)類型（如fp64、tf32、fp16等），大幅加速了深度學(xué)習(xí)訓(xùn)練和推理任務(wù)，同時(shí)引入了稀疏計(jì)算技術(shù)，通過利用神經(jīng)網(wǎng)絡(luò)中的稀疏性，進(jìn)一步提升了ai計(jì)算效率。第二代rtcore則通過改進(jìn)的光線追蹤算法和硬件加速，顯著提升了實(shí)時(shí)光線追蹤性能，為游戲開發(fā)、影視渲染和工業(yè)設(shè)計(jì)帶來了更逼真的視覺效果。

5、nvidia?ampere架構(gòu)的結(jié)構(gòu)稀疏化特性和mig特性是提升gpu性能和利用率的重要?jiǎng)?chuàng)新。結(jié)構(gòu)稀疏化特性主要通過剪枝技術(shù)，將神經(jīng)網(wǎng)絡(luò)中的非重要參數(shù)置零，從而生成稀疏網(wǎng)絡(luò)。在nvidia?ampere架構(gòu)中，這種稀疏性以2:4的模式呈現(xiàn)，即每四個(gè)元素中至少有兩個(gè)必須為零。這種模式使得矩陣乘法操作的數(shù)據(jù)占用空間和帶寬減少了一半，同時(shí)通過稀疏tensor?core跳過零值的計(jì)算，理論上將計(jì)算吞吐量翻倍。這種特性在深度學(xué)習(xí)推理中尤其有用，因?yàn)樗梢燥@著加速矩陣乘法操作，提高模型的推理速度，同時(shí)保持模型的精度。mig（multi-instance?gpu）特性允許將一個(gè)物理gpu安全地劃分為多達(dá)7個(gè)獨(dú)立的gpu實(shí)例，每個(gè)實(shí)例都具有獨(dú)立的內(nèi)存路徑、緩存和計(jì)算核心。這種劃分方式確保了每個(gè)實(shí)例的資源隔離，使得多個(gè)用戶或應(yīng)用程序可以同時(shí)使用gpu資源，而不會(huì)互相干擾。mig特性特別適用于未完全飽和的工作負(fù)載，通過并行運(yùn)行不同的工作負(fù)載來最大化gpu的利用率。此外，mig支持多種部署配置，包括裸機(jī)、虛擬機(jī)透?jìng)骱突趍ig的vgpu，為不同的應(yīng)用場(chǎng)景提供了靈活性。

6、gdpm、gpumcd、gmc等基于gpu顯存的蒙特卡洛程序均未充分利用nvidia新一代的ampere架構(gòu)的優(yōu)點(diǎn)，蒙特卡洛的并行化模擬在計(jì)算速度上還有進(jìn)一步挖掘的空間，本方法在原有蒙特卡洛模擬的基礎(chǔ)上，設(shè)計(jì)了一套適配ampere及更新一代架構(gòu)的計(jì)算方法，從而進(jìn)一步的提高gpu蒙特卡洛模擬的計(jì)算速度。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供在原有蒙特卡洛模擬的基礎(chǔ)上，設(shè)計(jì)了一套適配nvidiaampere及更新一代架構(gòu)顯卡的計(jì)算方法，從而進(jìn)一步的提高gpu蒙特卡洛模擬計(jì)算速度的一種蒙特卡洛快速劑量計(jì)算方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：包括以下步驟：

3、s1:?加載模擬參數(shù)；

4、s2:?獲取放射治療加速器的粒子源相空間數(shù)據(jù)；

5、s3:?獲取人體解剖結(jié)構(gòu)圖像數(shù)據(jù)，并重建成人體三維矩陣；

6、s4：將三維人體矩陣網(wǎng)格化；

7、s5：輸入蒙特卡洛劑量計(jì)算參數(shù)，構(gòu)建精細(xì)化蒙特卡洛劑量計(jì)算物理模型；

8、s6：利用ampere架構(gòu)的結(jié)構(gòu)化稀疏性，將對(duì)輸入矩陣中低貢獻(xiàn)體素進(jìn)行動(dòng)態(tài)壓縮，減少顯存占用、數(shù)據(jù)傳輸開銷以及計(jì)算，對(duì)體素采用“索引-值”?稀疏存儲(chǔ)模式，假定m是矩陣的長(zhǎng)，n是矩陣的寬，l是矩陣的高，建立索引數(shù)組記錄其空間坐標(biāo)(i,j,k)，將原始體素矩陣v∈r（m×n×l）轉(zhuǎn)換為稀疏矩陣，對(duì)輸入矩陣中的低貢獻(xiàn)體素實(shí)施動(dòng)態(tài)壓縮，降低顯存占用、數(shù)據(jù)傳輸開銷及計(jì)算量；

9、s7：利用ampere架構(gòu)的mig特性，將每個(gè)劑量計(jì)算單位的數(shù)據(jù)輸入采用多實(shí)例mig的計(jì)算，并分配至不同的顯存中，并將對(duì)應(yīng)的粒子模擬數(shù)據(jù)按照同樣的方式存放在不同的mig實(shí)例顯存中；

10、s8：在不同的mig實(shí)例中，啟動(dòng)粒子的輸運(yùn)計(jì)算，通過采樣的方式獲得粒子的初始能量e和方向v；

11、s9：確定好粒子的能量e和方向v后，采用抽樣的方式，結(jié)合不同材料的粒子截面數(shù)據(jù)，判斷粒子在不同截面中的碰撞反應(yīng)和粒子行進(jìn)的平均自由程，計(jì)算行進(jìn)路線上的劑量沉積，并將結(jié)果保存至對(duì)應(yīng)的mig實(shí)例內(nèi)存中；

12、s10：將每個(gè)mig實(shí)例中的歸一化的網(wǎng)格劑量計(jì)算結(jié)果疊加，得到總的輻射劑量；

13、s11：將結(jié)果拷貝至cpu緩沖中，將緩沖中的數(shù)據(jù)保存至磁盤上。

14、優(yōu)選的，所述s5中針對(duì)粒子運(yùn)動(dòng)步長(zhǎng)抽樣，依據(jù)介質(zhì)的線性衰減系數(shù)，通過概率密度函數(shù)進(jìn)行步長(zhǎng)的隨機(jī)抽樣，其中與介質(zhì)材料、粒子類型及能量密切相關(guān)，通過查表法實(shí)時(shí)獲取對(duì)應(yīng)介質(zhì)的值。

15、優(yōu)選的，所述s5中在相互作用類型判定環(huán)節(jié)，基于粒子當(dāng)前能量e，結(jié)合介質(zhì)材料的原子序數(shù)、密度等特性，調(diào)用預(yù)先建立的截面數(shù)據(jù)庫(kù)，通過概率計(jì)算確定碰撞、康普頓散射、光電效應(yīng)、電子對(duì)產(chǎn)生等相互作用的發(fā)生概率??。

16、優(yōu)選的，所述s5中能量沉積計(jì)算時(shí)，依據(jù)具體相互作用類型，采用對(duì)應(yīng)物理公式計(jì)算能量沉積量δe，光電效應(yīng)中，能量沉積與原子的電子結(jié)合能、光子能量相關(guān)，通過公式（bi為電子結(jié)合能）計(jì)算，更新粒子剩余能量為。

17、優(yōu)選的，所述s6中構(gòu)建體素貢獻(xiàn)度計(jì)算模型，對(duì)于三維劑量計(jì)算空間中的體素，其劑量貢獻(xiàn)度c通過粒子輸運(yùn)的能量沉積累積確定，其中，n為經(jīng)過該體素的粒子數(shù)，δen為粒子n的能量沉積，δ為位置判定函數(shù)，設(shè)定貢獻(xiàn)度閾值dth，低于該閾值的體素判定為低貢獻(xiàn)體素，其中為0-1之間的系數(shù)，設(shè)定低于貢獻(xiàn)度閾值的去掉，使用高于貢獻(xiàn)度閾值的體素，考慮粒子碰撞過程中對(duì)其影響較小的體素，減少顯存占用和計(jì)算量???。

18、優(yōu)選的，所述s7中檢測(cè)顯卡硬件資源，包括sm單元數(shù)量、顯存容量、顯存帶寬、寄存器文件大小，檢查顯卡是否支持mig特性在實(shí)例初始化階段，加載定制化的計(jì)算內(nèi)核程序，初始化顯存空間，建立實(shí)例內(nèi)部的線程調(diào)度隊(duì)列，確保計(jì)算任務(wù)高效執(zhí)行，根據(jù)輸入數(shù)據(jù)顯存占用的大小，配置不同顯存占用單元，并預(yù)留部分共享資源用于數(shù)據(jù)交互，mig?實(shí)例劃分需滿足顯存容量約束條件，同時(shí)預(yù)留動(dòng)態(tài)調(diào)整空間。

19、優(yōu)選的，所述s10中粒子模擬完成后，每個(gè)mig實(shí)例中會(huì)得到一個(gè)計(jì)算的結(jié)果，將計(jì)算區(qū)域內(nèi)多個(gè)劑量計(jì)算的結(jié)果疊加，得到總的輻射劑量分布。

20、綜上所述，由于采用了上述技術(shù)，本發(fā)明的有益效果是：

21、與現(xiàn)有技術(shù)相比，本技術(shù)實(shí)施例提供一種基于nvidia架構(gòu)的gpu并行蒙特卡洛快速劑量計(jì)算方法，通過兩種主體方法優(yōu)化蒙特卡洛模擬粒子的輸運(yùn)過程，本發(fā)明具有顯著優(yōu)勢(shì)：利用nvidia顯卡的結(jié)構(gòu)化稀疏特性，動(dòng)態(tài)壓縮輸入數(shù)據(jù)，使顯存有效利用率提升，保障計(jì)算任務(wù)連續(xù)運(yùn)行；mig?實(shí)例管理技術(shù)結(jié)合多維度調(diào)度與跨實(shí)例協(xié)同，使?gpu?資源利用率提升，尤其在多任務(wù)并行場(chǎng)景下優(yōu)勢(shì)明顯。兩者協(xié)同工作，充分發(fā)揮?nvidia?ampere及更新一代架構(gòu)顯卡的硬件性能，將蒙特卡洛劑量計(jì)算效率提升至新水平，減少計(jì)算時(shí)間，有力支撐粒子輸運(yùn)的gpu蒙特卡洛計(jì)算需求??。