(45-3) 15 * << * >> * Русский * English * Содержание * Все выпуски
Разработка векторного алгоритма по технологии CUDA для трехмерного моделирования процесса лазерной коагуляции сетчатки
А.С. Широканев 1,2, Н.А. Андриянов 3, Н.Ю. Ильясова 1,2
1 Самарский национальный исследовательский университет имени академика С.П. Королёва,
443086, Россия, г. Самара, Московское шоссе, д. 34,
2 ИСОИ РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН,
443001, Россия, г. Самара, ул. Молодогвардейская, д. 151,
3 Финансовый университет при Правительстве Российской Федерации,
125167, Россия, г. Москва, Ленинградский пр-т, д. 49
PDF, 2414 kB
DOI: 10.18287/2412-6179-CO-828
Страницы: 427-437.
Аннотация:
Для лечения диабетической ретинопатии в современной практике применяется лазерная коагуляция. В процессе лазерной операции параметры лазерного воздействия подбираются вручную врачом, что требует от врача достаточного опыта и знаний, чтобы достичь терапевтического эффекта. На основе математического моделирования процесса лазерной коагуляции можно оценить основные параметры без проведения операции. Однако сетчатка имеет достаточно сложную структуру, и при применении даже низкозатратных численных методов для моделирования требуется значительное время для получения результата. В связи с этим разработка эффективных по времени алгоритмов трехмерного моделирования является актуальной задачей, поскольку применение таких алгоритмов позволит обеспечить проведение комплексного исследования в рамках ограниченного времени.
В настоящей работе проводится исследование времени выполнения алгоритмов, реализующих различные вариации применения метода расщепления и метода конечных разностей, адаптированных под поставленную задачу теплопроводности, выявляется наиболее эффективный алгоритм, который далее подвергается векторизации и реализации с использованием технологии CUDA. Исследование проводилось с использованием Intel Core i7-10875H и Nvidia RTX 2080 MAX Q и показало, что аналог векторного алгоритма, ориентированного на решение многомерной задачи теплопроводности, обеспечивает ускорение не более, чем в 1,5 раза, по сравнению с последовательным вариантом. Разработанный векторный алгоритм, ориентированный на применение метода прогонки по всем направлениям трехмерной задачи, существенно снижает временные издержки, затрачиваемые на копирование в память видеокарты, и обеспечивает 40-кратное ускорение по сравнению с последовательным алгоритмом трехмерного моделирования. На основе такого же подхода разработан параллельный алгоритм математического моделирования, который обеспечил 20-кратное ускорение при полной загрузке процессора.
Ключевые слова:
диабетическая ретинопатия, лазерная коагуляция, математическое моделирование, уравнение теплопроводности, параллельные алгоритмы, векторные алгоритмы, CUDA.
Благодарности
Исследование выполнено при финансовой поддержке РФФИ в рамках научных проектов № 19-31-90160, № 19-29-01135 и Министерства науки и высшего образования Российской Федерации в рамках выполнения государственного задания Самарского университета и ФНИЦ «Кристаллография и фотоника» РАН.
Цитирование:
Широканев, А.С. Разработка векторного алгоритма по технологии CUDA для трехмерного моделирования процесса лазерной коагуляции сетчатки / А.С. Широканев, Н.А. Андриянов, Н.Ю. Ильясова // Компьютерная оптика. – 2021. – Т. 45, № 3. – С. 427-437. – DOI: 10.18287/2412-6179-CO-828.
Citation:
Shirokanev AS, Andriyanov NA, Ilyasova NYu. Development of vector algorithm using CUDA technology for three-dimensional retinal laser coagulation process modeling. Computer Optics 2021; 45(3): 427-437. DOI: 10.18287/2412-6179-CO-828.
Литература:
- Гафуров, С.Д. Особенности применения лазеров в медицине / С.Д. Гафуров, Ш.М. Катахонов, М.М. Холмонов // European Science Journal. – 2019. – № 3(45). – С. 92-95.
- Коцур, Т.В. Эффективность лазерной коагуляции в макуле и микрофотокоагуляции высокой плотности в лечении диабетической макулопатии / Т.В. Коцур, А.С. Измайлов // Офтальмологические ведомости. – 2016. – Т. 9, № 4. – C. 43-45. – DOI: 10.17816/OV9443-45.
- Замыцкий, Е.А. Лазерное лечение диабетического макулярного отека / Е.А. Замыцкий // Аспирантский вестник Поволжья. – 2015. – № 1-2. – С. 74–80.
- Kozak, I. Modern retinal laser therapy / I. Kozak, J. Luttrull // Saudi Journal of Ophthalmology. – 2014. – Vol. 29, Issue 2. – P. 137-146.
- Doga, A.V. Modern diagnostic and treatment aspects of diabetic macular edema / A.V. Doga, G.F. Kachalina, E.K. Pedanova, D.A. Buryakov // Ophthalmology, Diabetes. – 2014. – No. 4. – P. 51-59.
- Whiting, D.R. IDF diadetes atlas: global estimates of the prevalence of diabetes for 2011 and 2030 / D.R. Whiting [et al.] // Diabetes Res. Clin. Pract. – 2011. – Vol. 94(3). – P. 311–321.
- Братко, Г.В. К вопросу о ранней диагностике и частоте встречаемости диабетического макулярного отека и формировании групп риска его развития / Г.В. Братко, В.В. Черных, О.В. Сазонова // Сибирский научный медицинский журнал. – 2015. – Т.35, №1. – С. 33–36.
- Воробьёва, И.В. Диабетическая ретинопатия у больных сахарным диабетом второго типа. Эпидемиология, современный взгляд на патогенез. Обзор / И.В. Воробьёва, Д.А. Меркушенкова // Офтальмология. – 2012. – Т. 9, № 4. – С. 18-21. – doi: 10.18008/1816-5095-2012-4-18-21.
- Амиров, А.Н. Диабетический макулярный отёк: эпидемиология, патогенез, диагностика, клиническая картина, лечение / А.Н. Амиров, Э.А. Абдулаева, Э.Л. Минхузина // Казанский медицинский журнал. – 2015. – Т. 96, №1. – С. 70 – 74.
- Астахов, Ю.С. Современные подходы к лечению диабетического макулярного отека / Ю.С. Астахов, Ф.Е. Шадричев, М.И. Красавина, Н.Н. Григорьева // Офтальмологические ведомости. – 2009. – Т. 2, № 4. – С. 59-69.
- Исхакова, А.Г. Результаты клиникоэкономического анализа лечения больных диабетической ретинопатией с макулярным отеком / А.Г. Исхакова // Аспирантский вестник Поволжья. – 2014. – № 1. – С. 96 – 98.
- Уманец, Н.Н. Интравитреальное введение ранибизумаба как метод лечения больных кистозным диабетическим макулярным отеком / Н.Н. Уманец, З.А. Розанова, М. Альзин // Офтальмологический журнал. – 2013. – № 2. – С. 56-60..
- Cohen, S.M. Laser energy and dye fluorescence transmission through slood in vitro / S.M. Cohen, J.H. Shen, W.E. Smiddy // American Journal of Ophthalmology. – 1995. – Vol. 119, Issue 4. – P. 452-457..
- Замыцкий, Е.А. Анализ интенсивности коагулятов при лазерном лечении диабетического макулярного отека на роботизированной лазерной установке Navilas / Е.А. Замыцкий, А.В. Золотарев, Е.В. Карлова, П.А. Замыцкий // Саратовский научно-медицинский журнал. – 2017. – Т. 13, № 2. – С. 375-378.
- Ильясова, Н.Ю. Оценивание геометрических признаков пространственной структуры кровеносных сосудов / Н.Ю. Ильясова // Компьютерная оптика. – 2014. – Т. 38, № 3. – С. 529-538. – DOI: 10.18287/0134-2452-2014-38-3-529-538.
- Хорин, П.А. Выделение информативных признаков на основе коэффициентов полиномов Цернике при различных патологиях роговицы человеческого глаза / П.А. Хорин, Н.Ю. Ильясова, Р.А. Парингер // Компьютерная оптика. – 2018. – Т. 42, № 1. – С. 159-166. – DOI: 10.18287/2412-6179-2018-42-1-159-166.
- Широканев, А.С. Исследование алгоритмов расстановки коагулятов на изображение глазного дна / А.С. Широканев, Д.В. Кирш, Н.Ю. Ильясова, А.В. Куприянов // Компьютерная оптика. – 2018. – Т. 42, № 4. – С. 712-721. – doi: 10.18287/2412-6179-2018-42-4-712-721.
- Ильясова, Н.Ю. Диагностический комплекс анализа изображений сосудов глазного дна / Н.Ю. Ильясова // Биотехносфера. – 2014. – Т. 3(33). – С. 20-24.
- Ильясова, Н.Ю. Методы цифрового анализа сосуди-стой системы человека. Обзор литературы / Н.Ю. Ильясова // Компьютерная оптика. – 2013. – Т. 37, № 4. – С. 511-535. – DOI: 10.18287/0134-2452-2013-37-4-511-535.
- Ильясова, Н.Ю. Измерение биомеханических характеристик сосудов для ранней диагностики сосудистой патологии глазного дна / Н.Ю. Ильясова, А.В. Устинов, А.В. Куприянов, М.А. Ананьин, Н.А. Гаврилова // Компьютерная оптика. – 2005. – № 27. – С. 165-169.
- Сойфер, В.А. Методы компьютерного анализа диагностических изображений глазного дна / В.А. Сойфер, Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов, М.А. Ананьин // Технология живых систем. – 2008. – Т. 5, № 5-6. – C. 61-71.
- Симчера, В.М. Методы многомерного анализа стати-стических данных / В.М. Симчера. – М: Финансы и статистика, 2008. – 400 с. – ISBN: 978-5-279-03184-9.
- Dementyiev, V.E. Use of images augmentation and implementation of doubly stochastic models for improving accuracy of recognition algorithms based on convolutional neural networks / V.E. Dementyiev, N.A. Andriyanov, K.K. Vasilyiev. – In: 2020 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO). – 2020. – P. 1-4. – DOI: 10.1109/SYNCHROINFO49631.2020.9166000.
- Vasiliev, K.K. Using probabilistic statistics to determine the parameters of doubly stochastic models based on autoregression with multiple roots / K.K. Vasiliev, V.E. Dementyiev, N.A. Andriyanov // Journal of Physics: Conference Series. – 2019. – Vol. 1368. – 032019. – DOI: 10.1088/1742-6596/1368/3/032019.
- Jung, J.J. NAVILAS Laser System Focal Laser Treatment for Diabetic Macular Edema - One Year Results of a Case Series / Jung J.J., Gallego-Pinazo R., Lleó-Pérez A., Huz J.I., Barbazetto I.A. // Open Ophthalmology Journal, 2013. – Vol. 7. – P. 48-53.
- Ковеня, В.М. Алгоритмы расщепления при решении многомерных задач аэрогидродинамики / В.М. Ковеня; под ред. Ю.И. Шокина. – Новосибирск: Изд-во СО РАН, 2014. – 280 c.
- Чернов, В.М. Параллельная машинная арифметика для рекуррентных систем счисления в неквадратичных полях / В.М. Чернов // Компьютерная оптика. – 2020. – Т. 44, № 2. – С. 274-281. – doi: 10.18287/2412-6179-CO-666.
- Якобовский, М.В. Введение в параллельные методы решения задач: Учебное пособие / М.В. Якобовский. – М.: Издательство Московского университета, 2012. – 328 с.
- Fadeev, D.A. High performance 2D simulations for the problem of optical breakdown / D.A. Fadeev // Computer Optics. – 2016. – Vol. 40(5) – P. 654-658. – DOI: 10.18287/2412-6179-2016-40-5-654-658.
- Поляков, М.В. Математическое моделирование пространственного распределения радиационного поля в биоткани: определение яркостной температуры для диагностики / М.В. Поляков, А.В. Хоперсков // Вестник Волгоградского государственного университета. – 2016. – Т. 36, № 5. – С. 73-84.
- Поляков, М.В. Численное моделирование динамики распространения температуры в биологической ткани / М.В. Поляков; под ред. Д.А. Новиковой, А.А. Ворониной. – В кн.: Материалы всероссийской школы-конференции молодых ученых. – 2015. – Т. 1. – С. 971-978.
- Пушкарева, А.Е. Методы математического моделирования в оптике биоткани. Учебное пособие / А.Е. Пушкарева. – СПб: СПбГУ ИТМО, 2008. – 103 с.
- Kistenev, Y. Modeling of IR laser radiation propagation in bio-tissues / Y. Kistenev, A. Buligin, E. Sandykova, E. Sim, D. Vrazhnov // Proceedings of SPIE. – 2019. – Vol. 11208. – 112081Q.
- Самарский, А.А. Схемы повышенного порядка точности для многомерного уравнения теплопроводности / А.А. Самарский // Журнал вычислительной математики и математической физики. – 1963. – Т. 3(5). – С. 812-840.
- Ануфриев, И.Е. Математические методы моделирования физических процессов. Метод конечных разностей. С решениями типовых задач: Учебное пособие / И.Е. Ануфриев, П.А. Осипов. – СПб: Издательство Санкт-Петербургского государственного политехнического университета, 2014. – 130 с.
- Федоров, А.А. Сравнение двух методов распараллеливания прогонки на гибридных ЭВМ с графическими ускорителями / А.А. Федоров, А.Н. Быков // Вопросы атомной науки и техники. Серия: математическое моделирование физических процессов. – 2016. – № 4. – С. 40-50.
- Широканев, А.С. Разработка векторного алгоритма параметрической идентификации трёхмерных кристаллических решёток на основе оценки расстояний между двумерными слоями / А.С. Широканев, Д.В. Кирш, А.В. Куприянов // Информационные технологии и нанотехнологии (ИТНТ-2017). Сборник трудов по материалам III Международной конференции и молодежной школы. – 2017. – С. 1615-1619.
© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20