Intézmények:Pannon Egyetem Mûszaki Informatikai Kar
Évfolyam: IX. évfolyam
Lapszám:2010. / 6
Hónap:július-augusztus
Oldal:37-39
Terjedelem:3
Rovat:KÉPALKOTÓ DIAGNOSZTIKA
Alrovat:KUTATÁS - FEJLESZTÉS
Absztrakt:
A cikk bemutatja kutatócsoportunk egy új agyi képalkotó eljárás számítási feladatainak felgyorsításában elért eddigi eredményeit. Bemutatjuk a többprocesszoros rendszerek lehetőségeit ezen a területen, majd bemutatjuk a grafikus gyorsítókártyák alkalmazásának lehetőségeit a probléma leghatékonyabb megoldására.
Angol absztrakt:
This paper describes the work of our research group in developing a parallel computing solution as part of a new brain imaging technology development project. A short overview of the history of supercomputing and the use of parallel technology to achieve ever increasing computing performance is given, then we describe the advantages of general purpose graphics processors as means of providing supercomputing performance in compact sizes.
A regisztrálást követően fogja tudni megtekinteni a cikk tartalmát!
A megadott cikk nem elérhető!
Tisztelt Felhasználónk!
Az Ön által megtekinteni kívánt cikk nem elérhető a rendszerben!
A megadott cikk nem elérhető!
Tisztelt Felhasználónk!
Az Ön által megtekinteni kívánt cikk nem elérhető a rendszerben!
Sikeresen szavazott a cikkre!
Tisztelt Felhasználónk!
Köszönjük a szavazatát!
A szavazás nem sikerült!
Tisztelt Felhasználónk!
Ön már szavazott az adott cikkre!
Cikk megtekintése
Tisztelt Felhasználónk!
A cikk több nyelven is elérhető! Kérjük, adja meg, hogy melyik nyelven kívánja megtekinteni az adott cikket!
Cikk megtekintésének megerősítése!
Tisztelt Felhasználónk!
Az Ön által megtekintetni kívánt cikk tartalma fizetős szolgáltatás.
A megtekinteni kívánt cikket automatikusan hozzáadjuk a könyvespolcához!
A cikket bármikor elérheti a könyvespolcok menüpontról is!
KÉPALKOTÓ DIAGNOSZTIKA KUTATÁS – FEJLESZTÉS A párhuzamos programozás lehetőségei a bioelektromos képalkotásban Dr. Juhász Zoltán, Pannon Egyetem, Műszaki Informatikai Kar A cikk bemutatja kutatócsoportunk egy új agyi képalkotó eljárás számítási feladatainak felgyorsításában elért eddigi eredményeit. Bemutatjuk a többprocesszoros rendszerek lehetőségeit ezen a területen, majd bemutatjuk a grafikus gyorsítókártyák alkalmazásának lehetőségeit a probléma leghatékonyabb megoldására. This paper describes the work of our research group in developing a parallel computing solution as part of a new brain imaging technology development project. A short overview of the history of supercomputing and the use of parallel technology to achieve ever increasing computing performance is given, then we describe the advantages of general purpose graphics processors as means of providing supercomputing performance in compact sizes. BEVEZETÉS A Pannon Egyetem Műszaki Informatikai Karán három éve kezdődött meg az Egészségügyi Informatikai KutatóFejlesztő Központ és a Párhuzamos és Elosztott Rendszerek Kutatócsoport együttműködése keretében a párhuzamos számítási technológiák orvosi alkalmazási lehetőségeinek vizsgálata. A kísérletek elsősorban a képalkotó folyamatokra összpontosítottak. A közös kutatás jelenleg egy TÁMOP – 4.2.2-08/1/2008-0018 sz. program (Élhetőbb környezet, egészségesebb ember: Bioinnováció és zöld technológiák kutatása a Pannon Egyetemen) keretében folytatódik, melyben célunk új agyi és kardiológiai képalkotó rendszerek kifejlesztése és az ezek megvalósításában elengedhetetlen számítási feladatok végrehajtási idejének csökkentése párhuzamos számítási módszerek felhasználásával. PÁRHUZAMOS SZÁMÍTÁSI TECHNOLÓGIA A párhuzamos számítási technológia az informatikai tudományok azon ága, mely sok processzor vagy számítógép együttműködése révén számítási feladatokat a hagyományos egyprocesszoros, ún. szekvenciális változathoz képest jóval nagyobb sebességgel, kevesebb idő alatt tud megoldani. E technológia tipikus, a nagyközönség számára is ismert felhasználási területei például az időjárás előrejelzés, fizikai és mérnöki szimulációk végrehajtása. A technológia részei a párhuzamos számítógép (olyan számítási rendszer mely több egymással együttműködni képes mikroprocesszort tartalmaz), a párhuzamos progra- mozási nyelv (olyan programozási nyelv, mely képes egyidőben zajló számítási folyamatok leírására, vezérlésére), valamint a párhuzamos algoritmus (a probléma megoldásának olyan megfogalmazása, mely alkalmas egyidőben futtatható részszámítások végrehajtásával kiszámítani a kérdéses feladatot, megjegyezve hogy nem minden feladatnak létezik hatékonyan végrehajtható párhuzamos algoritmusa). Egy párhuzamos rendszer jó működésének legfontosabb mértéke a gyorsulás, azaz, hányszor gyorsabb a rendszer, mint egy egyprocesszoros számítógép. Ideális esetben a processzorok számának növelésével egyenes arányban növekvő teljesítményt érhetünk el. A jelenleg használt technológiákkal több mint 200 000 processzorból álló rendszereket is létre lehet hozni [1]. Egy ilyen – szuperszámítógép – rendszer akkora számítási teljesítménnyel rendelkezik, hogy egy normál számítógépen egy évig futó számítást kettő perc alatt képes elvégezni. Ezen gépek nagy hátránya azonban az ár (több száz millió dollár) és a teljesítményfelvétel (tipikusan MegaW nagyságrendben), ami megkérdőjelezi a költségérzékeny egészségügyben történő felhasználásukat. AZ AGYI KÉPALKOTÓ ALGORITMUS SZÁMÍTÁSI IGÉNYE A tanszékünkön fejlesztett agyi képalkotó rendszer alapja a fej felszínén végzett potenciál mérés. Az EEG rendszer egyszerre 129 ponton méri az agyi aktivitásból eredő elektromos jeleket. A mérés frekvenciája 2 kHz, azaz 1 másodperc alatt 2000 mérést végzünk. Egy mérésből tipikusan 56 mp-es aktivitási ablakot kell kiértékelnünk, ami 10-12 000 mérési időpont kiértékelését jelenti. Egy mérési időpont kiértékelése során egy bonyolult matematikai számítást kell végrehajtani, mely során meghatározzuk azt az aktivitási forrást, mely a fej felszínén mért potenciál eloszlást generálhatta. Egyetlen mérési pont kiszámítása egy processzor felhasználásával kb. 30-40 mp alatt történik meg. Ebből következik, hogy egy 5-6 mp-es ablak kiértékelése (5-6 * 2000 * 40 mp) 400 000-480 000 mp-ig tart. Ez 4,5 – 5,5 nap folyamatos számítást jelent. Ha feltételezzük, hogy egy rendelési idő alatt több pácienst és betegenként több időablakot is meg kell vizsgálni, akkor ebből látható, hogy a napi klinikai gyakorlatban – különösen a napi diagnosztikai eljárások keretében – ez a várakozási idő nem elfogadható. Ezerszeres teljesítménynövekedés esetén ez a számítási idő 6-8 percre csökkenthető, ami lehetővé teszi akár az orvos-beteg találkozó alatti diagnosztika megvalósítását. Ehhez viszont több ezer processzor vagy számítógép IME IX. ÉVFOLYAM 6. SZÁM 2010. JÚLIUS – AUGUSZTUS 37 KÉPALKOTÓ DIAGNOSZTIKA KUTATÁS – FEJLESZTÉS felhasználása szükséges. A következő szakaszban azt vizsgáljuk meg, milyen lehetőségek állnak itt rendelkezésünkre. let másodpercenként), ami megközelítőleg 250, illetve 1000 hagyományos számítógép teljesítményének felel meg. NAGY TELJESÍTMÉNY KIS HELYEN A mai legnagyobb teljesítményű szuperszámítógépekkel a fenti mérési kiértékelés 2-3 másodperc alatt végrehajtható lenne, azonban annak nincs realitása, hogy minden kórházat felszereljünk szuperszámítógépekkel. A ma általánosan alkalmazott alternatíva többprocesszoros gépek összekapcsolásával létrehozott számítási szerverparkok, ún. klaszterek létrehozása. A Műszaki Informatikai Kar egyik géptermében végzett kísérletek megmutatták, hogy az agyi képalkotó algoritmus párhuzamos változata a processzorok számának növelésével egyenes arányban növekvő teljesítményt nyújt. Méréseink során 60 processzorral 50-szeres gyorsulást értünk el (1. ábra). 1. ábra 60 processzoros PC klaszteren mért teljesítmény növekedés az agyi képalkotó algoritmus párhuzamos változatával Egy ezerszeres gyorsulást biztosító klaszterhez min. 1000 processzor szükséges, ez modelltől függően 60-500 számítógép beszerzését és működtetését jelenti. Egy ilyen klaszter költsége mai árakon számolva 100-400 MFt, fenntartásuk során pedig min. 100 kW teljesítményfelvétellel kell számolnunk, ami miatt ez sem reális lehetőség a tömeges egészségügyi alkalmazás eléréséhez. Az elmúlt 2-3 évben hatalmas fejlődésen ment keresztül a számítógépes játékokhoz használt grafikus gyorsító-kártyák technológiája. Ezek a kártyák ma már több tíz, bizonyos modellek esetén több száz speciális processzort tartalmaznak. Míg korábban csak grafikai műveletek gyorsítására lehetett őket használni, mára ez megváltozott; általános célú feladatokra is alkalmazható egységgé alakultak át. Ebben a változásban úttörő szerepet játszott az NVIDIA cég a CUDA [2] technológia kialakításával. A 2. ábrán látható Tesla C1060 kártya 240 processzort, a Tesla S1070 szerver pedig 960 processzort tartalmaz. A kártyák maximális számítási teljesítménye 1, illete 4 teraFlops (1012 számítási műve- 38 IME IX. ÉVFOLYAM 6. SZÁM 2010. JÚLIUS – AUGUSZTUS 2. ábra Az NVIDIA Tesla C1060 grafikus kártya és a Tesla S1070 számítási szerver A kártyák ára a tömegtermelés miatt alacsony, a PC kivitelű kártyák 30-100 eFt között változnak teljesítménytől függően, míg a Tesla S1070 2,5 MFt-ért beszerezhető. A teljesítményfelvételük néhány száz Watt. Jól látható, hogy ezek a kártyák hatalmas teljesítmény/érték aránnyal rendelkeznek, fenntartási költségük pedig elenyésző a klaszter vagy szuperszámítógép rendszerekhez képest. Csoportunk az elmúlt év során az agyi képalkotó algoritmus ezen az architektúrán hatékonyan működő párhuzamos változatának kifejlesztésén dolgozott. Ez egy nem triviális feladat, mivel mind a programozási környezet, mind a rendszer viselkedése eltér a megszokott párhuzamos rendszerektől. Több alternatív algoritmust is kifejlesztettünk a legígéretesebb párhuzamosítási stratégia meghatározása érdekében. Az eddigi kutatás eredményeképpen a grafikus kártya segítségével 23-szeres gyorsulást értünk el, ami a Tesla S1070 szerver 4 kártyájával számolva 92-szeres teljesítménynövekedést jelent, amivel az 5,5 napos számítási időt 1,5 órára tudtuk csökkenteni. A kifejlesztett algoritmus még további fejlesztést igényel, további optimalizálás segítségével reményeink szerint el tudjuk érni ennek a gyorsulásnak 5-10-szeresét is, ami akár 9 perces számítási időt is eredményezhet. ÖSSZEFOGLALÁS Csoportunk a nemzetközi fejlődési trendekkel egyezően, a ma csúcstechnológiának számító grafikus kártya alapú párhuzamosítási módszereket alkalmazza új agyi, majd kardiológiai képalkotó rendszerek kifejlesztése érdekében. Eddigi eredményeink bizonyítják, hogy ez a technológia kompakt méretben, egy diagnosztikai állomásba szerelve képes szolgáltatni azt a számítási teljesítményt, ami a néhány perces kiértékelési idők eléréséhez szükséges. Bízunk benne, hogy kutatási programunk befejezésekor egy prototípus rendszeren demonstrálni tudjuk a sokprocesszoros párhuzamos rendszerekben rejlő, orvosi képalkotó rendszerek továbbfejlesztésében alkalmazható, kivételes lehetőségeket. A szerző itt szeretne köszönetet mondani Szabó Zoltán és Vass Tibor hallgatóknak a kísérleti programok kifejlesztésében végzett munkájukért, az NVIDIA Professorial Partnership Grant, a Sun Academic Excellence Grant prog- KÉPALKOTÓ DIAGNOSZTIKA KUTATÁS – FEJLESZTÉS ramoknak a bőkezű eszköztámogatásért, az NIIF Szuperszámítógép Központnak szuperszámítógépük használatáért. A kutatást a TÁMOP – 4.2.2-08/1/2008-0018 számú „Él- hetőbb környezet, egészségesebb ember: Bioinnováció és zöld technológiák kutatása a Pannon Egyetemen” című kutatás-fejlesztési program támogatta. IRODALOMJEGYZÉK [1] Cray Research, Cray XT5-HE szuperszámítógép, http://www.cray.com/Products/XT/Systems.aspx [2] NVIDIA Corp., Tesla Computing Solutions http://www.nvidia.com/object/tesla_computing_ solutions.html A SZERZÔ BEMUTATÁSA Dr. Juhász Zoltán egyetemi docens a veszprémi Pannon Egyetem Villamosmérnöki és Információs Rendszerek tanszékén, ahol a Párhuzamos és Elosztott Rendszerek kutatócsoport vezetője. Okleveles villamosmérnöki diplomát szerzett 1989-ben (BME), majd két évig Észak-Írországban, a The Queen’s University of Belfast Computer Science tanszékén dolgozott kutatóként. 1992 óta dolgozik a Pannon Egyete- men. 1997-ben szerzett Műszaki Informatika PhD fokozatot. Kutatási területe a párhuzamos és elosztott számítási rendszerek elmélete és fejlesztése, valamint az objektumorientált technológiák alkalmazása ezen területeken. Az elmúlt évek alatt több tudományos kutatási pályázatot nyert, valamint többször volt vendégoktató az angliai University of Exeter Computer Science tanszékén. Jelenlegi kutatási tevékenysége a sokmagos grafikus processzorok orvosi képalkotásban történő hatékony felhasználására irányul. Nemzetközi Kontinencia Hét A Nemzetközi Kontinencia Társaság 2009-ben hirdette meg először a Kontinencia Hetét. Június utolsó hetén az érintett szervezetek, egészségügyi gyártó cégek igyekeznek felhívni a figyelmet egy kellemetlen, a betegek rejtőzködése miatt nehezen kezelhető problémára, az inkontinenciára. Az inkontinencia vizelettartási zavart jelent, amely egyre több embert érint, és az egyre magasabb átlagéletkorral egyenes arányban növekszik a betegek száma. Az USA-ban 33 millió fő, hazánkban 500-700 ezer között lehet a betegek száma. Az SCA Hygiene Products az inkontinencia kezelésére alkalmas termékek piacvezető gyártója 6 éve szervez rendszeresen globális konferenciákat az inkontinencia jobb megismertetése érdekében. Idén tavasszal Prágában, több mint félezer résztvevővel rendezték meg a Global Forum on Incontinence nevű eseményt, ahol az EU tagállamok mellett az USA-tól, Kínán át Egyiptomig számos ország szakemberei ismertették a leghasznosabb tapasztalatokat. Kihívást jelent a prevenció, a betegek megtalálása és gyógyítása valamint a szociális, hospice ellátás megszervezése. Komoly megoldandó probléma számos fejlett országban az egyre nagyobb arányú idős lakosság egészségügyi ellátása, és ezzel együtt az inkontinencia kezelésének finanszírozása is. Hazánkban a betegség ismertségén is van mit javítani, azonban ha a háziorvos nem kérdez rá a problémára direkt módon, akkor sokszor a betegek eltitkolják panaszaikat. A betegek rejtőzködése azért jelent fokozott problémát, mert az idejében nem kezelt inkontinencia súlyosbodhat, huzamosabb időre vagy végleg kivonva a beteget a közösségből, munkahelyekről. Ez a folyamat okozza az inkontinencia kezelésének jelentős költségeit. (Szerk) IME IX. ÉVFOLYAM 6. SZÁM 2010. JÚLIUS – AUGUSZTUS 39
