تحلیل مجموعه داده های تصویری بزرگ با استفاده از سیستم پیوندی مبتنی بر CPU-GPU

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,132

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM01_442

تاریخ نمایه سازی: 10 شهریور 1393

چکیده مقاله:

تجزیه و تحلیل مجموعه داده های تصاویر آسیب شناسی و پاتولوژی با حجم بسیار بزرگ فرصت بسیار گسترده ای برای تحقیقات درزمینه ی ساختار شناسی سلولی فراهم آورده است. اما نیاز به منابع مناسب پردازشی انجام این گونه تحقیقات را در مقیاس کوچکمحدود نموده است . تاکنون سیستم های مختلفی با توان محاسباتی بسیار بالا در زمینه ی تحلیل تصاویر بافت شناسی مربوط به تومورهای مغزی با تفکیک پذیری بالا بر روی سیستم های توزیع شده مبتنی بر CPU-GPU پیاده سازی و آزمایش شده اند. برای دستیابی به توان پردازشی بالا در یک سیستم پیوندی از یک ساختار خط لوله ی چند سطحی پردازش داده استفاده می شود. چنین سیستمی به صورت ساختاری از خط لوله های دانه درشت طراحی شده است که ممکن است هر سطح از چند خط لوله ی ریز دانه بصورت مجزا تشکیل شود. عملیات در سطح ریز دانه دارای زمان بندی دقیق جهت انجام محاسبات روی CPU و GPU با بهینه سازی های زمانی موثر طراحی شده اند. این عملیات شامل جایگذاری های دقیق تر عملیات، تخصیص وظایف آگاه از وابستگی داده ها، واکشی اولیه داده ها و تهیه ی نسخه های ناهمگام از داده ها می باشد. این بهبود ها در بیشینه سازی عملکرد و بهره ی توان محاسباتی و همچنین کمینه سازی سربار تهیه ی نسخه از داده ها استفاده شده است. تجربه های عملی انجام شده در این مقاله نشان می دهد که استفاده ی مشترک و بصورت پیوندی از CPU و GPU مت واند عملکرد بهتری تا حدود 1.6 برابر سیستم هایی که تنها مبتنی بر GPU هستند ، داشته باشد. محاسبات انجام شده با استفاده از پردازش های ریز دانه، فرصت پیاده سازی خط لوله با حمایت در هنگام اجرا را برای تحلیل تصاویر سرطانی با مجموعه داده ای متشکل از 36848 تصویر با کیفیت 4096*4096 پیکسل در کمتر از چهار دقیقه فراهم می آورد.

نویسندگان

علیرضا نوری

دانشجوی کارشناسی ارشد دانشگاه اصفهان

حسین ماهوش محمدی

استادیار دانشکده کامپیوتر دانشگاه اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • NVIDIA, _ Accelerated Applications, " 2012.[Online]. Available : http : ...
  • J. S. Vetter, R. Glassbrook, J. Dongarra, K. Schwan, B. ...
  • L. A. D. Cooper, J. Kong, D. A. Gutman, F. ...
  • G. Bradski, "The OpenCV Library, " Dr. Dobb 's Journal ...
  • NVIDIA, NVIDIA Performance Prim itives(NPP) _ 11 February 2011. [Online]. ...
  • A. Korbes, G. B. Vitor, R. de Alencar Lotufo, and ...
  • L. Vincent, _ Morphological grayscale reconstruction in image analysis: Applications ...
  • G. Teodoro, T. Pan, T. M. Kurc, L. Cooper, J. ...
  • G. Teodoro, T. Pan, T. Kurc, J. Kong, L. Cooper, ...
  • P. Karas, "Efficient Computation _ Morphological Greyscale Reconstruction, _ in ...
  • G. Teodoro, T. M. Kurc, T. Pan, L. A. Cooper, ...
  • M. D. Linderman, J. D. Collins, H. Wang, and T. ...
  • B. He, W. Fang, Q. Luo, N. K. Govindaraju, and ...
  • C.-K. Luk, S. Hong, and H. Kim, "Qilin: Exploiting parallelism ...
  • G. Teodoro, T. D. R. Hartley, U. Catalyurek, and R. ...
  • G. Bosilca, A. Bouteiller, T. Herault, P. Lemarinier, N. Saengpatsa, ...
  • نمایش کامل مراجع