HCTTI:用于组织图像污点规范化的高性能异质计算工具包

科学领域:

• 数字病理学数字病理学
• 计算医学是一种计算医学.
• 医疗图像分析 医疗图像分析

背景情况:

• 整体幻灯片成像 (WSI) 对于癌症诊断和治疗至关重要,通过深度学习实现先进的医学诊断.
• 在不同机构的WSI中,颜色和强度的变化阻碍了深度学习分类的准确性.
• 目前的WSI处理和规范化在很大程度上依赖于CPU,从而导致低于最佳的计算性能.

研究的目的:

• 引入用于组织图像的高性能异构计算工具包 (HCTTI),旨在优化WSI分析.
• 为了评估各种WSI阅读器,颜色规范化技术和序列化格式的性能.
• 为了证明HCTTI在分布式和多节点GPU环境中的效率提升.

主要方法:

• 开发了HCTTI,集成了系统级优化,用于WSI读取,规范化和节省.
• 对比HCTTI的性能与现有的工具,如OpenSlide和TIAToolbox用于WSI读取和规范化.
• 评估不同序列格式 (HDF5,PNG,Zarr) 的效率,以存储正常化组织图像.
• 实现多节点分布式GPU处理以提高可扩展性.

主要成果:

• 与OpenSlide相比,HCTI在WSI读数中实现了7倍的加快速度.
• 在HCTTI中,GPU加速的Macenko正常化比TIAToolbox实现速度快9倍.
• HDF5在存储正常化图像方面表现出卓越的性能,提供13倍更快的写入速度和2倍更快的阅读速度.
• 与TIAToolbox.com相比,使用HCTI对单个WSI进行正常化时观察到13倍的加快速度.
• 通过多节点分布式GPU实现实现了线性加速.

结论:

• HCTTI为分布式WSI读取,规范化和序列化提供了全面的解决方案,显著提高了处理效率.
• 该工具包的性能增强有潜力加速基于深度学习的WSI分析,用于医学诊断.
• HCTTI的优化可以为更有效和高效的癌症诊断和治疗策略做出贡献.