Conversión adaptativa de imágenes a mallas, isotrópica y anisotrópica, en tiempo casi real para simulaciones de...

Área de la Ciencia:

• Dinámica de fluidos computacional
• Imágenes médicas
• Computación científica

Sus antecedentes:

• La discretización de geometrías vasculares complejas para el modelado numérico requiere una gran cantidad de recursos computacionales.
• Los métodos existentes para la conversión de imágenes médicas a mallas a menudo carecen de eficiencia y rendimiento en tiempo real.
• Las técnicas de mallado adaptativo son cruciales para representar con precisión las intrincadas estructuras biológicas.

Objetivo del estudio:

• Presentar técnicas de optimización del rendimiento para un método de adaptación de mallas.
• Optimizar la discretización de geometrías vasculares complejas en el modelado numérico.
• Lograr un rendimiento en tiempo casi real para canalizaciones de conversión de imágenes médicas a mallas.

Principales métodos:

• Se desarrolló un método de mallado anisotrópico adaptativo paralelo que utiliza balanceo de carga jerárquico para arquitecturas cc-NUMA.
• Se optimizó una operación de reconexión local, logrando un aumento de tres veces en la velocidad.
• Se integró el método en una canalización con una herramienta de conversión de imagen a malla para imágenes médicas segmentadas.
• Se introdujo una función de dimensionamiento definida por el usuario para un método de mallado isotrópico adaptativo.

Principales resultados:

• La canalización genera mallas anisotrópicas adaptativas que cumplen con los requisitos de calidad, fidelidad, suavidad y robustez.
• La operación optimizada de reconexión local es tres veces más rápida que las implementaciones anteriores.
• El método isotrópico adaptativo genera mallas de alta calidad (hasta 50 millones de elementos) en menos de un minuto.
• El método anisotrópico adaptativo genera un número similar de elementos en aproximadamente 5 minutos.

Conclusiones:

• Las técnicas de optimización presentadas mejoran significativamente el rendimiento de la adaptación de mallas para geometrías vasculares.
• La canalización desarrollada ofrece conversión de imágenes médicas a mallas en tiempo casi real con generación de mallas de alta calidad.
• Estos avances facilitan un modelado numérico más eficiente y preciso de sistemas biológicos complejos, como los aneurismas cerebrales.