医学影像应用的瓶颈算法是什么？答案

【问题标题】：What is the bottleneck algorithm for medical imaging applications?医学影像应用的瓶颈算法是什么？
【发布时间】：2018-11-10 00:38:15
【问题描述】：

医学成像应用的计算瓶颈算法是什么？我们正在尝试确定在常规云服务器实例或 GPU 加速服务器实例上运行这些算法是否有好处。

【问题讨论】：

通过利用 Matlab Parallel Toolbox、Acceleware AxRecon 或 Accelereyes Jacket 等产品，应用程序开发人员可以获得 GPU 加速（如果可用）。问题在于瓶颈运营商是什么，以便我们可以预测如果我们改变运营商会带来的好处和影响。

标签： imaging

【解决方案1】：

除非该软件是专门为 GPU 处理能力而设计的，否则 GPU 加速实例的性能将与普通商品服务器实例大致相同，只是价格更高。

我愿意赌一把，说任何算法的瓶颈，无论是否医学，是否成像，都在于您可以向 CPU 发送数据的速率、内核数量和时钟频率。

获得一些快速的 CPU、超快的 RAM、令人眼花缭乱的条带/镜像存储，然后这样做。

我怀疑您可能会发现在“云”上运行实际上是违反直觉的，或者至少会适得其反，因为许多云服务提供商不会调整其存储后端以适应高性能计算，但更多向大众提供一点点 IO。

我认为您最好使用拥有的专用硬件，这样您就可以花费更多的时间和金钱来有效地调整硬件堆栈以匹配您的软件堆栈。任何云服务提供商（包括亚马逊）都会给你一些取舍和妥协。

哦，别忘了不要把你所有的 eggs in one basket. 都放在 Amazon 下线时会发生什么，没有人可以检查任何 X 射线，或者把 heart monitoring application 放在 Amazon Cloud 实例上的可怜的笨蛋，以及亚马逊在大规模停电中下线。

除了云托管的妥协、冗余和对供应商中断的弹性问题、没有将关键基础设施放在云上的问题之外，还有其他问题围绕着您的应用程序本身的架构。它会线性扩展吗？

我打赌不会。

【讨论】：

不是一个有用的答案：这个问题是一个算法问题，而不是对云民间传说发表评论的请求。有很多面向 HPC 的云提供 GPU 加速，仅举几例，Nimbix、SGI Cyclone、Sabalcore。那么回到问题上来，医学影像的瓶颈算子是什么？是约束求解器、特征值求解器、偏微分方程求解器还是谱运算？
你应该了解你的算法，或者写出更好的问题。排水。
感谢您的宝贵时间。很抱歉让你不高兴了。
你没有让我难过，你只是没写出一个像样的问题。

【解决方案2】：

通过对云服务器实例进行类似 GPU 的实现，您可以看到巨大的 FPS differences [1, 2] 用于大型（例如、CR）图像的操作。然而，另一方面，GPU 可能会被大量内存占用，因此会延迟并不断出现 dropout。因此，云服务器解决方案可能更稳定，没有那么多的丢失和更流畅的感觉，但 FPS 更低。

[1] 张乐泉，等。 “一种用于小动物成像的高频、高帧率双工超声线阵成像系统。”关于超声波、铁电体和频率控制的 IEEE 交易 57.7 (2010)。

[2] Miguez, D. 等人。 “关于可变帧间间隔作为超声中非生理实验伪影的原因的技术说明。”皇家学会开放科学 4.5 (2017): 170245。

【讨论】：