Отрывок: За это время в среднем исполнялось 800 итераций. Это соответствует производительности 4,4 итерации/с. За время движение мыши оператором (~0,1с) должно выполняться не менее 4 итераций для визуализации работы в режиме реального времени. Таким образом, для работы в режиме реального времени необходима производительность не менее 40 итераций/с. Поэтому, реализация на основе функций библиотеки ITK не может ис...
Название : | Автоматизированная сегментация новообразований печени по данным компьютерной томографии в GPU системах |
Авторы/Редакторы : | Корабельников, А.Н. Колсанов, А.В. Чаплыгин, С.С. Зельтер, П.М. Быченков, К.В. Никоноров, А.В. |
Ключевые слова : | сегментация компьютерная томография новообразования печени автоматизированная диагностика модели формы MITK ITK машинное обучение свёрточные нейронные сети GPGPU |
Дата публикации : | 2017 |
Издательство : | Новая техника |
Библиографическое описание : | Корабельников А.Н. Автоматизированная сегментация новообразований печени по данным компьютерной томографии в GPU системах / А.Н. Корабельников, А.В. Колсанов, С.С. Чаплыгин, П.М. Зельтер, К.В. Быченков, А.В. Никоноров // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С. 1627-1632. |
Аннотация : | Сегментация (построение 3D-модели) анатомических структур по данным компьютерной томографии, является ключевым этапом медицинской визуализации и компьютерной диагностики. Задача автоматической сегментации новообразований на сегодня не имеет решения, полностью устраивающего по качеству. Это обусловлено большой вариабельностью плотности, формы и положения новообразований. В работе предложено комбинирование подходов для сегментации новообразований печени: автоматических, на основе свёрточных нейронных сетей, и полуавтоматических с основанных на неявных динамических моделях формы, (shaped levelset methods). Рассчитаны основные метрики качества для предложенных методов - ошибка VOE и время сегментации. Получено улучшение по сравнению с использованием методов по отдельности. Рассмотрены алгоритмы предобработки для получения признакового изображения. Описана оптимизация полуавтоматического алгоритма, и его интеграция в качестве интерактивного плагина в систему интерактивной обработки медицинских изображений. |
URI (Унифицированный идентификатор ресурса) : | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Avtomatizirovannaya-segmentaciya-novoobrazovanii-pecheni-po-dannym-komputernoi-tomografii-v-GPU-sistemah-64082 |
Другие идентификаторы : | Dspace\SGAU\20170522\64082 |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
paper 293_1627-1632.pdf | Основная статья. Раздел: Высокопроизводительные вычисления | 648.01 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.