高性能数据管理,用于数字病理学中的整个幻灯片图像分析

科学领域:

• 数字病理学数字病理学
• 计算成像技术的成像
• 数据管理数据管理

背景情况:

• 在数字病理学中,全幻灯片成像 (WSI) 产生了大量的数据集.
• 世界工业界面的补丁级处理造成了重要的输入-输出 (I/O) 瓶.
• 有效的数据访问对于及时分析千兆像素病理图像至关重要.

研究的目的:

• 为了解决数字病理学中的I / O挑战,全幻灯片图像分析.
• 实施和评估可适应的IO系统版本2 (ADIOS2) 以简化数据管理.
• 制定减少病理学工作流程数据检索时间的策略.

主要方法:

• 开发了一个以数字病理为中心的管道,使用ADIOS2.
• 实施战略以优化数据访问和检索.
• 在基于CPU和基于GPU的场景中进行了性能评估.

主要成果:

• 在基于CPU的图像分析中,ADIOS2实现了两倍的速度,与粗暴武力方法相比.
• 在基于GPU的深度学习场景中,ADIOS2的性能与NVIDIA Magnum IO GPU Direct Storage (GDS) 相美.
• 这代表了ADIOS2在数字病理学领域的早期应用.

结论:

• ADIOS2有效地减轻了千兆像素全幻灯片图像分析中的I/O瓶.
• 该系统为基于CPU和GPU的病理学工作流提供了显著的性能改进.
• 源代码的公开发布促进了数字病理学的进一步研究和采用.