文献

J-GLOBAL ID：201602201894145326   整理番号：16A0100131

効率的な方法と高性能コンピューティング戦略を用いた大きな病理画像データコホートの拡張可能な解析

Scalable analysis of Big pathology image data cohorts using efficient methods and high-performance computing strategies

著者 (13件)： KURC Tahsin (Stony Brook Univ.) ,  QI Xin (Rutgers - Robert Wood Johnson Medical School) ,  QI Xin (Rutgers Cancer Inst. of New Jersey) ,  WANG Daihou (Rutgers Univ.) ,  WANG Fusheng (Stony Brook Univ.) ,  TEODORO George (Stony Brook Univ.) ,  TEODORO George (Univ. Brasilia) ,  COOPER Lee (Emory Univ.) ,  NALISNIK Michael (Emory Univ.) ,  YANG Lin (Univ. Florida) ,  SALTZ Joel (Stony Brook Univ.) ,  FORAN David J. (Rutgers - Robert Wood Johnson Medical School) ,  FORAN David J. (Rutgers Cancer Inst. of New Jersey)
資料名： BMC Bioinformatics (Web)  (BMC Bioinformatics (Web))
巻： 16  号： Dec  ページ： 16:399 (WEB ONLY)  発行年： 2015年12月 
JST資料番号： U7025A  ISSN： 1471-2105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 背景 探索病理学と腫瘍学において大規模研究を行うときに,研究者および臨床研究者が複数の解析パイプラインを評価し,その結果の感受性と多様性を定量するための能力のコアセットを形成する一連のツールと方法を記す。今回の調査の包括的目的は,大規模なデータサイズと高い計算要求に取り組むことである。結果 提案されたツールと方法は,最新の並列マシンと,効率的コンテンツに基づく画像検索戦略を活用する。コンテンツベース画像検索(CBIR)アルゴリズムは,階層的な解析アプローチを用いて,問題のパッチと同じ画像パッチをすばやく検出し,取得できる。高性能コンピューティングに基づいた解析要素は,大きな共有メモリシステムを使用して50万のデータポイントでコンセンサスクラスタリングを行うことができる。結論 今回の研究は,効率的なCBIRアルゴリズムと高性能コンピューティングが病理学における臨床的に顕著なアプリケーションの課題に対応するための大規模顕微鏡画像の効率的な解析のために活用されることを明らかにしている。これらの技術は,研究者および臨床研究者がデジタル化された顕微鏡標本に含まれる豊富な情報コンテンツをより効果的に利用できるようにする。(翻訳著者抄録)

シソーラス用語： *画像 ,  統計的推定 ,  *画像分析 ,  *画像検索 ,  数値計算 ,  アルゴリズム ,  クラスタ化 ,  *医用画像 ,  記憶方式 ,  マイクロプロセッサ ,  専用プロセッサ ,  階層構造 ,  構造特性 ,  スループット
準シソーラス用語： GPU【プロセッサ】 ,  コホート解析 ,  *コンテンツベース画像検索 ,  画像処理アルゴリズム ,  共有メモリシステム ,  高スループット ,  高性能コンピューティング ,  *病理画像

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 高性能コンピューティング ,  戦略 ,  病理画像 ,  コホート ,  拡張 ,  解析