In EDS ansehen

Применение технологии параллельного программирования CUDA для анализа больших биомедицинских данных на основе расчета показателей эффективности ; CUDA parallel programming technology application for analyze of big biomedical data based on computation of effectiveness features

Gespeichert in:
Bibliographische Detailangaben
Titel: Применение технологии параллельного программирования CUDA для анализа больших биомедицинских данных на основе расчета показателей эффективности ; CUDA parallel programming technology application for analyze of big biomedical data based on computation of effectiveness features
Autoren: Широканев, А.С., Ильясова, Н.Ю., Шихевич, В.А., Shirokanev, A.S., Ilyasova, N.Yu., Shikhevich, V.A.
Verlagsinformationen: Новая техника
Publikationsjahr: 2019
Bestand: Samara University: Repository / Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
Beschreibung: В настоящей работе предложена технология анализа биомедицинских больших данных, основанная на применении технологии CUDA. Технология применялась для анализа большого набора изображений глазного дна, по которым проводилась автоматическая диагностика диабетической ретинопатии. Разработан высокопроизводительный алгоритм, вычисляющий эффективные текстурные признаки для анализа медицинских изображений. В процессе автоматической диагностики на изображении выделяются следующие классы: тонкие сосуды, толстые сосуды, экссудаты и здоровая область. Было проведено исследование эффективности разработанного алгоритма на изображениях размерностей 500х500-1000х1000 пикселей с использованием квадратного окна размерностью 12х12. Продемонстрирована зависимость ускорения разработанного высокопроизводительного алгоритма от различных размеров данных. Как показало исследование, на эффективность алгоритма могут влиять определённые характеристики изображения: чёткость изображения, форма зоны экссудатов, вариабельность сосудов, расположение зрительного диска. This research presents a biomedical big data analysis technology based on CUDA. It uses a parallel algorithm that calculates effective textural attributes of medical images. This technology analyses a large set of an ocular fundus images in purpose for automatic diabetic retinopathy diagnosis. The process of automatic diagnosis defines the classes, such as the thin vessels, the thick vessels, the exudates and the healthy area. During the research the efficiency of the developed algorithm was examined on the images with 500x500 up to 1000x1000 pixel dimensions using a square window with 12x12 pixel dimension. There was demonstrated the values of the developed algorithm acceleration for different amounts of data. As it shows the algorithm efficiency depends on the different fundus image features like the image clarity, the shape of the exudate zone, the vascular variability and the optic disc location. ; Работа выполнена при финансовой поддержке Российского фонда фундаментальных ...
Publikationsart: article in journal/newspaper
Sprache: Russian
Relation: Dspace\SGAU\20190417\75227
Verfügbarkeit: http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Primenenie-tehnologii-parallelnogo-programmirovaniya-CUDA-dlya-analiza-bolshih-biomedicinskih-dannyh-na-osnove-rascheta-pokazatelei-effektivnosti-75227
Dokumentencode: edsbas.49FC91FC
Datenbank: BASE
FullText Text:
  Availability: 0
CustomLinks:
  – Url: http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Primenenie-tehnologii-parallelnogo-programmirovaniya-CUDA-dlya-analiza-bolshih-biomedicinskih-dannyh-na-osnove-rascheta-pokazatelei-effektivnosti-75227#
    Name: EDS - BASE (s4221598)
    Category: fullText
    Text: View record from BASE
  – Url: https://www.webofscience.com/api/gateway?GWVersion=2&SrcApp=EBSCO&SrcAuth=EBSCO&DestApp=WOS&ServiceName=TransferToWoS&DestLinkType=GeneralSearchSummary&Func=Links&author=%D0%A8%D0%B8%D1%80%D0%BE%D0%BA%D0%B0%D0%BD%D0%B5%D0%B2%20%D0%90%D0%A1
    Name: ISI
    Category: fullText
    Text: Nájsť tento článok vo Web of Science
    Icon: https://imagesrvr.epnet.com/ls/20docs.gif
    MouseOverText: Nájsť tento článok vo Web of Science
Header DbId: edsbas
DbLabel: BASE
An: edsbas.49FC91FC
RelevancyScore: 823
AccessLevel: 3
PubType: Academic Journal
PubTypeId: academicJournal
PreciseRelevancyScore: 822.664306640625
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: Применение технологии параллельного программирования CUDA для анализа больших биомедицинских данных на основе расчета показателей эффективности ; CUDA parallel programming technology application for analyze of big biomedical data based on computation of effectiveness features
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22Широканев%2C+А%2EС%2E%22">Широканев, А.С.</searchLink><br /><searchLink fieldCode="AR" term="%22Ильясова%2C+Н%2EЮ%2E%22">Ильясова, Н.Ю.</searchLink><br /><searchLink fieldCode="AR" term="%22Шихевич%2C+В%2EА%2E%22">Шихевич, В.А.</searchLink><br /><searchLink fieldCode="AR" term="%22Shirokanev%2C+A%2ES%2E%22">Shirokanev, A.S.</searchLink><br /><searchLink fieldCode="AR" term="%22Ilyasova%2C+N%2EYu%2E%22">Ilyasova, N.Yu.</searchLink><br /><searchLink fieldCode="AR" term="%22Shikhevich%2C+V%2EA%2E%22">Shikhevich, V.A.</searchLink>
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: Новая техника
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2019
– Name: Subset
  Label: Collection
  Group: HoldingsInfo
  Data: Samara University: Repository / Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
– Name: Abstract
  Label: Description
  Group: Ab
  Data: В настоящей работе предложена технология анализа биомедицинских больших данных, основанная на применении технологии CUDA. Технология применялась для анализа большого набора изображений глазного дна, по которым проводилась автоматическая диагностика диабетической ретинопатии. Разработан высокопроизводительный алгоритм, вычисляющий эффективные текстурные признаки для анализа медицинских изображений. В процессе автоматической диагностики на изображении выделяются следующие классы: тонкие сосуды, толстые сосуды, экссудаты и здоровая область. Было проведено исследование эффективности разработанного алгоритма на изображениях размерностей 500х500-1000х1000 пикселей с использованием квадратного окна размерностью 12х12. Продемонстрирована зависимость ускорения разработанного высокопроизводительного алгоритма от различных размеров данных. Как показало исследование, на эффективность алгоритма могут влиять определённые характеристики изображения: чёткость изображения, форма зоны экссудатов, вариабельность сосудов, расположение зрительного диска. This research presents a biomedical big data analysis technology based on CUDA. It uses a parallel algorithm that calculates effective textural attributes of medical images. This technology analyses a large set of an ocular fundus images in purpose for automatic diabetic retinopathy diagnosis. The process of automatic diagnosis defines the classes, such as the thin vessels, the thick vessels, the exudates and the healthy area. During the research the efficiency of the developed algorithm was examined on the images with 500x500 up to 1000x1000 pixel dimensions using a square window with 12x12 pixel dimension. There was demonstrated the values of the developed algorithm acceleration for different amounts of data. As it shows the algorithm efficiency depends on the different fundus image features like the image clarity, the shape of the exudate zone, the vascular variability and the optic disc location. ; Работа выполнена при финансовой поддержке Российского фонда фундаментальных ...
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: article in journal/newspaper
– Name: Language
  Label: Language
  Group: Lang
  Data: Russian
– Name: NoteTitleSource
  Label: Relation
  Group: SrcInfo
  Data: Dspace\SGAU\20190417\75227
– Name: URL
  Label: Availability
  Group: URL
  Data: http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Primenenie-tehnologii-parallelnogo-programmirovaniya-CUDA-dlya-analiza-bolshih-biomedicinskih-dannyh-na-osnove-rascheta-pokazatelei-effektivnosti-75227
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edsbas.49FC91FC
PLink https://erproxy.cvtisr.sk/sfx/access?url=https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.49FC91FC
RecordInfo BibRecord:
  BibEntity:
    Languages:
      – Text: Russian
    Titles:
      – TitleFull: Применение технологии параллельного программирования CUDA для анализа больших биомедицинских данных на основе расчета показателей эффективности ; CUDA parallel programming technology application for analyze of big biomedical data based on computation of effectiveness features
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: Широканев, А.С.
      – PersonEntity:
          Name:
            NameFull: Ильясова, Н.Ю.
      – PersonEntity:
          Name:
            NameFull: Шихевич, В.А.
      – PersonEntity:
          Name:
            NameFull: Shirokanev, A.S.
      – PersonEntity:
          Name:
            NameFull: Ilyasova, N.Yu.
      – PersonEntity:
          Name:
            NameFull: Shikhevich, V.A.
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 01
              M: 01
              Type: published
              Y: 2019
          Identifiers:
            – Type: issn-locals
              Value: edsbas
ResultId 1