文献

J-GLOBAL ID：201702286261371774   整理番号：17A1919394

磁気共鳴画像からの特徴抽出のためのGPUに基づくグレイレベル共起行列【Powered by NICT】

GPU-based Gray-Level Co-occurrence Matrix for Extracting Features from Magnetic Resonance Images

著者 (4件)： Tsai Hsin-Yi ,  Hanyu Zhang ,  Hung Che-Lun ,  Chen Hsian-Min
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISPAN-FCST-ISCC  ページ： 391-396  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 計算の連続的に増加する電力,特に並列計算の領域に置いて,コンピュータに基づくテクスチャ解析,コンピュータ支援分類法,自動化病理検出などが臨床的または科学的目的のために,X線のような,磁気共鳴(MR)画像,医用画像で行ったより,より一般的にした。これらの手順は,ほとんど常にテクスチャ特徴抽出,広範な計算を必要とする通常の段階を含んでいる。本論文では,テクスチャを特徴づける二次統計であるグレーレベル共起行列(GLCM)に基づく特徴の抽出を加速するためのGPGPU(グラフィックス処理ユニット上での汎用計算)ベースの並列法を提案した。CUDACで実現した提案した方法の性能評価は,単一ノード上ではMatlabとCの両方で実施されているその直列対応物と比較して,種々のGPUデバイス上で行った。磁気共鳴(MR)脳画像に焦点を当てた一連の実験は,提案した方法が非常に効率的で連続対応物よりも優れていることを実証した。約30~100倍の高速化が一般的に達成された。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *画像 ,  性能評価 ,  *磁気共鳴 ,  *特徴抽出 ,  並列演算 ,  自動化 ,  コンピュータ ,  医用画像 ,  *NMRイメージング ,  高速化
準シソーラス用語： GPU【プロセッサ】 ,  GPGPU ,  テクスチャ ,  テクスチャ解析 ,  *共起行列 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 磁気共鳴画像 ,  特徴抽出 ,  GPU ,  グレイレベル ,  共起行列