Propuesta para Trabajo de Grado
Yüklə 177,97 Kb.
|
- Bu səhifədəki naviqasiya:
- I - DESCRIPCIÓN GENERAL DEL TRABAJO DE GRADO
- Pregunta de investigación
- Descripción del Proyecto
- Fases Metodológicas o conjunto de objetivos específicos
INTRODUCCIÓNEste proyecto se desarrolla en el contexto de la visualización científica, este proyecto busca mejorar el ya existente proceso de filtrado de imágenes n-dimensionales, integrando una serie de plataformas y tecnologías que difieren y podrían mejorar dicho proceso. En este documento serán presentados tanto la formulación del proyecto como el desarrollo y las conclusiones del mismo. La estructura básica del documento es la siguiente:
Trabajos futuros y recomendaciones: Muestra los posibles trabajos derivados a partir del desarrollo de este trabajo de grado. Además brinda recomendaciones a la carrera y universidad. I - DESCRIPCIÓN GENERAL DEL TRABAJO DE GRADO
Los modelos 3D normalmente utilizados para visualización médica son formados a partir de imágenes médicas, que pueden ser de cualquier cantidad de dimensiones (imágenes médicas n-dimensionales). El proceso de creación de un modelo 3D médico a partir de imágenes médicas n-dimensionales implica en un comienzo un proceso de filtrado de las mismas, con el fin de centrarse en detalles significativos para esta creación; existen múltiples formas de filtrado, como también existen diferentes tipos de imágenes medicas. [8] En el contexto en el que se desarrolló el trabajo de grado existen aplicaciones para filtrar imágenes de varias dimensiones. El proceso de filtrado es de los procesos que más tiempo consume debido a la forma en la que la mayoría de estas aplicaciones abordan el tema del filtrado.
La pregunta a la que se buscaba dar solución era: ¿Cómo se pueden aprovechar las caracteristicas de procesamiento del hardware de visualización de última generación para mejorar el rendimiento de los algoritmos de filtrado en imágenes n-dimensionales? Con el desarrollo de este trabajo de grado se pretendía determinar técnicas de programación en GPU que puedan llevar a desarrollar una aplicación que implemente algoritmos de filtrado en imágenes n-dimensionales con mejor rendimiento que las aplicaciones de filtrado existentes.
“Los algoritmos tipicamente usados en el filtrado de imágenes medicas estan implementados de manera serial. Debido a el tamaño de las imágenes médicas, el proceso normal de filtrado de las mismas toma un tiempo considerable [2]. Estos algoritmos son teoricamente separables, asi que se podrian diseñar para ejecutarse de manera paralela. La arquitectura de las GPU’s actuales tienen caracteristicas que brindan la oportunidad de mejorar el rendimiento de algoritmos implementados de manera paralela; la ejecución de un algoritmo paralelo en GPU a comparación del mismo algoritmo implementado en CPU puede llegar a ser de 10 a 300 veces más rápida [2] . Este proyecto aportará a la investigacion ya que se generará un modelo genérico paralelo de estos algoritmos de filtrado seriales; que luego serán implementados en GPU, dadas las ventajas y desventajas que esto supone. El prototipo generado, por otra parte, reducirá el tiempo de diagnostico, ya que el tiempo necesario para construir el modelo 3D se verá de igual forma reducido. Por último, la instauración de nuevas unidades de diagnósitico que tengan igual o mejor rendimiento que las actuales, tendra un costo inferior debido a el gran potencial computacional que brinda una GPU a comparación de un CPU del mismo precio.”[8] El impacto esperado era mostrar las ventajas que posee la utilización de tarjetas gráficas en el campo de la visualización científica de manera que no se solía hacer: no solo usar las tarjetas gráficas como herramienta de visualización sino también como herramienta de computación. Estas ventajas se evidencian en el prototipo desarrollado, y muestran la diferencia entre usar la manera tradicional de filtrado y la propuesta por CUDAlicious.
En este proyecto se desarrolló un modelo que permite filtrar imágenes n-dimensionales, utilizando el entorno de programación CUDA [7] de Nvidia. En el desarrollo del modelo también se utilizaron otras herramientas de visualización científica como OpenCV e ITK, siendo estas los puntos de entrada de dichas imágenes n-dimensionales.
“Desarrollar un toolkit que implemente los algoritmos de convolucion (fuerza bruta y separable) de imágenes n-dimensionales, aprovechando los recursos computacionales de una GPU Nvidia. Este trabajo se debe realizar en un plazo máximo de un año.” Ya que el tiempo de desarrollo del trabajo fue reducido de un año a seis meses, el alcance del mismo se vio modificado, dando paso al siguiente objetivo general. Desarrollar un prototipo que implemente los algoritmos de convolucion de imágenes n-dimensionales, aprovechando los recursos computacionales de una GPU Nvidia.
1. Investigación teórica y de herramientas 1. Caracterizar los algoritmos de filtrado para imágenes n-dimensionales existentes en la literatura 2. Caracterizar los requerimientos de los algoritmos para que se puedan implementar utilizando el lenguaje de programación CUDA de Nvidia
1. Diseñar los algoritmos previamente caracterizados de manera paralela 3. Propuesta de solución 1. Diseñar un prototipo que implemente los algoritmos paralelos diseñados 4. Implementación de la solución 1. Implementar el prototipo en lenguaje de programación CUDA, ejecutable en una GPU Nvidia. 5. Revisiones y correcciones 1. Validar los algoritmos diseñados con los del prototipo implementado 6. Análisis de resultados 7. Diseñar un caso de prueba de filtrado de imágenes médicas complejas (2D y 3D o 4D) Yüklə 177,97 Kb. Dostları ilə paylaş:
|