抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】