Advanced GPU-based methods for analysis and processing of biomedical images and general purpose video

 
Το τεκμήριο παρέχεται από τον φορέα :

Αποθετήριο :
Πέργαμος
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2016 (EL)

Advanced GPU-based methods for analysis and processing of biomedical images and general purpose video

Κατσιγιάννης Στάμος (EL)

Στην παρούσα διατριβή παρουσιάζονται μια πρωτότυπη μέθοδος εξαγωγής χαρακτηριστικών για την ταξινόμηση θυρεοειδικής υπερηχογραφικής υφής, μια πρωτότυπη μέθοδος κατάτμησης εικόνων μικροσυστοιχιών συμπληρωματικού DNA (cDNA) για την υποβοήθηση της διαδικασίας ποσοτικοποίησης της γονιδιακής έκφρασης, ένα λογισμικό για αυτοματοποιημένη ανάλυση εικόνων μικροσυστοιχιών συμπληρωματικού DNA με χρήση επεξεργαστών γραφικών (GPU), και μια πρωτότυπη μέθοδος για υψηλής ποιότητας συμπίεση βίντεο στον επεξεργαστή γραφικών. Προτάθηκαν υλοποιήσεις για υπολογισμό σε επεξεργαστές γραφικών για όλους τους αλγόριθμους που αναπτύχθηκαν στα πλαίσια αυτής της διατριβής, με σκοπό τη μείωση του απαιτούμενου υπολογιστικού χρόνου και την αξιοποίηση της συνήθως υποχρησιμοποιούμενης υπολογιστικής ισχύος των σύγχρονων επεξεργαστών γραφικών. Η πρώτη κύρια συνεισφορά της παρούσας διατριβής είναι μια πρωτότυπη μέθοδος εξαγωγής χαρακτηριστικών για την ταξινόμηση θυρεοειδικής υπερηχογραφικής υφής. Η προτεινόμενη μέθοδος βασίζεται στην εξαγωγή στατιστικών χαρακτηριστικών από υπερηχογραφικές εικόνες του θυρεοειδούς με σκοπό τη μετέπειτα ταξινόμηση σε υγιή και οζώδη θυρεοειδικό ιστό. Οι εικόνες αρχικά αναλύονται με χρήση του μετασχηματισμού Contourlet και στη συνέχεια υπολογίζεται ένα σύνολο στατιστικών χαρακτηριστικών από τις συνιστώσες του μετασχηματισμού Contourlet. Έπειτα εφαρμόζεται ένας αλγόριθμος επιλογής χαρακτηριστικών για να επιλεχθούν τα πιο σημαντικά χαρακτηριστικά και να μειωθεί το μέγεθος του διανύσματος χαρακτηριστικών. Η ακρίβεια της ταξινόμησης που επιτυγχάνεται με τη χρήση των προτεινόμενων χαρακτηριστικών αξιολογήθηκε με χρήση μηχανών ανυσμάτων στήριξης (SVM). Τα πειραματικά αποτελέσματα έδειξαν ότι η προτεινόμενη μέθοδος είναι αποτελεσματικότερη σε σχέση με άλλες σύγχρονες μεθόδους και αποτελεί μια βιώσιμη λύση για το πρόβλημα της ταξινόμησης θυρεοειδικής υπερηχογραφικής υφής. Η δεύτερη κύρια συνεισφορά της παρούσας διατριβής είναι μια πρωτότυπη μέθοδος κατάτμησης εικόνων μικροσυστοιχιών συμπληρωματικού DNA (cDNA). Η προτεινόμενη μέθοδος λαμβάνει ως είσοδο μια εικόνα μικροσυστοιχιών συμπληρωματικού DNA και το προϋπολογισμένο πλέγμα και κατατέμνει την εικόνα σε περιοχές υποβάθρου και περιοχές κηλίδων συμπληρωματικού DNA. Έπειτα από ένα στάδιο προεπεξεργασίας με σκοπό τη μείωση των επιπέδων θορύβου, επιλέγονται αυτόματα εικονοστοιχεία αρχικοποίησης για τις περιοχές υποβάθρου και κηλίδων και στη συνέχεια η κατάτμηση πραγματοποιείται με μια μέθοδο ανάπτυξης περιοχών. Η αξιολόγηση της προτεινόμενης μεθόδου σε πραγματικές εικόνες μικροσυστοιχιών συμπληρωματικού DNA μέσω οπτικού ελέγχου (λόγω αδυναμίας απόκτησης της δεδομένης αλήθειας – ground truth) έδειξε ότι η προτεινόμενη μέθοδος επιτυγχάνει ποιοτική κατάτμηση των εικόνων. Η συγκριτική αξιολόγηση πάνω σε συνθετικές εικόνες μικροσυστοιχιών έδειξε ότι η προτεινόμενη μέθοδος επιτυγχάνει καλύτερα στατιστικά αποτελέσματα σε σχέση με σύγχρονες μεθόδους κατάτμησης. Η τρίτη κύρια συνεισφορά της παρούσας διατριβής είναι ένα λογισμικό για την αυτοματοποιημένη δημιουργία πλέγματος και την κατάτμηση εικόνων μικροσυστοιχιών συμπληρωματικού DNA το οποίο προσφέρει ένα εύκολο στη χρήση γραφικό περιβάλλον που επιτρέπει την ανάλυση των εικόνων με το πάτημα ενός κουμπιού. Οι υπολογισμοί γίνονται όλοι στον επεξεργαστή γραφικών για να επιτευχθούν χαμηλοί χρόνοι υπολογισμού. Το προτεινόμενο λογισμικό ενσωματώνει μια προτεινόμενη υλοποίηση σε επεξεργαστές γραφικών μιας πολύ αποτελεσματικής μεθόδου δημιουργίας πλέγματος, η οποία χρησιμοποιεί γενετικό αλγόριθμο για τον υπολογισμό του βέλτιστου πλέγματος σε εικόνες μικροσυστοιχιών. Η προτεινόμενη υλοποίηση επιτυγχάνει σημαντικά χαμηλότερους χρόνους υπολογισμού σε σχέση με την υλοποίηση για κεντρικούς επεξεργαστές και επιτρέπει τη χρήση της μεθόδου σε πραγματικές εργαστηριακές συνθήκες. Εκτός από τη μέθοδο δημιουργίας πλέγματος, το λογισμικό ενσωματώνει και μια υλοποίηση για επεξεργαστές γραφικών της προτεινόμενης μεθόδου κατάτμησης εικόνων μικροσυστοιχιών συμπληρωματικού DNA. Βασιζόμενο στις προαναφερθείσες μεθόδους, το προτεινόμενο λογισμικό επιτυγχάνει αυξημένες επιδόσεις σε σχέση με σύγχρονες μεθόδους ανάλυσης εικόνων μικροσυστοιχιών συμπληρωματικού DNA. Η τελευταία κύρια συνεισφορά της παρούσας διατριβής είναι μια πρωτότυπη μέθοδος για υψηλής ποιότητας συμπίεση βίντεο στον επεξεργαστή γραφικών. Ο προτεινόμενος αλγόριθμος κάνει χρήση του μετασχηματισμού Contourlet σε συνδυασμό με άλλες απωλεστικές και μη απωλεστικές τεχνικές συμπίεσης δεδομένων με σκοπό τη συμπίεση δεδομένων βίντεο σε πραγματικό χρόνο με χρήση του επεξεργαστή γραφικών. Η προτεινόμενη μέθοδος επιτυγχάνει υψηλότερη οπτική ποιότητα σε σχέση με άλλες σύγχρονες μεθόδους σε περιπτώσεις πολύ χαμηλού bit rate και δεν υποφέρει από την εμφάνιση μπλοκ τεχνουργημάτων όπως συμβαίνει με τους διαδεδομένους αλγόριθμους συμπίεσης βίντεο που βασίζονται στον μετασχηματισμό DCT. Τα πιο εντατικά υπολογιστικά βήματα του προτεινόμενου αλγορίθμου υπολογίζονται στον επεξεργαστή γραφικών, μειώνοντας έτσι το φόρτο του κεντρικού επεξεργαστή και αυξάνοντας την ικανότητα παράλληλης εκτέλεσης του συστήματος. (EL)
This thesis introduces a novel feature extraction method for ultrasound thyroid texture classification, a novel method for complementary DNA (cDNA) microarray image segmentation in order to assist the gene expression quantification analysis, a GPU-based software tool for cDNA microarray image analysis and a novel method for high quality real-time video compression on the GPU. GPU approaches have been proposed in this thesis for all the developed methods in order to significantly reduce the computational times needed and harness the usually underutilized computational power of modern GPUs. The first major contribution of this thesis is a novel feature extraction method for ultrasound thyroid texture classification. The proposed method relies on statistical feature extraction from ultrasound thyroid images in order to assist the task of classification to healthy or nodular thyroid tissue. Images are first decomposed using the Contourlet Transform and then a set of statistical features is computed for the contourlet subbands along a feature selection algorithm for selecting the most significant features and for reducing the size of the feature vector. The classification accuracy achieved using the proposed feature extraction method was evaluated on real ultrasound thyroid images using Support Vector Machines (SVM). The experimental results show that the proposed scheme performs better than state-of-the-art alternatives, constituting a viable solution for the task of ultrasound thyroid texture classification. The second major contribution of this thesis is a novel method for complementary DNA (cDNA) microarray image segmentation. The proposed algorithm takes as input a cDNA microarray image and the pre-computed gridding results and segments the image into background and cDNA spot regions. After a pre-processing denoising step, initial seed pixels are automatically selected for the background and spot regions and the final segmentation is computed through a region growing scheme. Evaluation of the results on real cDNA microarray images through visual inspection (due to the lack of ground-truth information) shows that the proposed approach provides quality segmentation, while statistical evaluation on synthetic cDNA microarray images shows that the proposed approach outperforms state-of-the-art alternatives for cDNA microarray image segmentation. The third major contribution of this thesis is a software tool for cDNA microarray image gridding and segmentation that offers an easy-to-use graphical user interface that allows the analysis of the input images by a simple click of a button. Computations are all performed on the GPU in order to offer reduced computational times. The proposed software incorporates a proposed GPU implementation of a very efficient cDNA microarray image gridding algorithm that utilizes a genetic algorithm approach for performing the gridding of cDNA microarray images. The proposed approach achieves significantly lower computational times than the CPU approach and allows the use of the gridding algorithm in a practical working scenario. In addition to the gridding algorithm, the proposed software incorporates a GPU implementation of the proposed cDNA microarray image segmentation algorithm. The proposed software offers increased performance compared to state-of-the-art methods as it employs advantageous algorithms that achieve enhanced results. The final major contribution of this thesis is a novel method for high quality real-time video compression on the GPU. The proposed algorithm introduces the use of the Contourlet Transform in combination with various methods for lossy and lossless compression for real-time video compression on the GPU. The proposed approach achieves higher visual quality compared to other methods at very low bitrates and does not suffer from blocking artifacts as in the case of DCT-based compression algorithms. The most computationally intensive steps are computed on the GPU, thus reducing the load of the system’s CPU and enhancing the systems multitasking capability. (EN)

born_digital_thesis
Διδακτορική Διατριβή (EL)
Doctoral Dissertation (EN)


Αγγλική γλώσσα

2016





*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.