使用 MapReduce 进行大规模医学图像分析
分布式、并行与集群计算
2015-10-26 v1
摘要
现代医院每日产生的医学图像数据量的增长迫使传统的医学图像分析与索引方法向可扩展解决方案适应。过去 20 年中图像数量及其维度急剧增加。我们提出了基于并行计算和算法优化的大规模医学图像分析解决方案。MapReduce 框架被用于加速并实现三个大规模医学图像处理用例：(i) 使用支持向量机的肺纹理分割参数优化，(ii) 基于内容的医学图像索引，以及 (iii) 用于实体纹理分类的三维方向小波分析。我们机构使用 Hadoop 搭建了一个异构计算节点集群，最多允许 42 个并发 map 任务。所用机器大多数为也用于日常办公的台式计算机。该集群表现出最小侵入性和稳定性。与顺序执行相比，三个用例的运行时间均显著减少。Hadoop 为数据分析任务提供了一个易于使用的框架，对许多任务具有良好的可扩展性，但针对特定任务需要优化。
引用
@article{arxiv.1510.06937,
title = {Using MapReduce for Large-scale Medical Image Analysis},
author = {Dimitrios Markonis and Roger Schaer and Ivan Eggel and Henning Müller and Adrien Depeursinge},
journal= {arXiv preprint arXiv:1510.06937},
year = {2015}
}
备注
10 pages, 5 figures