GPU párhuzamosítási lehetőségek az agyi aktivitás forráslokalizáció probléma megoldásában Juhász Zoltán Pannon Egyetem, Veszprém
ENIAC CSI projekt CSI – Central nervous System Imaging
Structure of project modules
EEG képalkotás
Projekt célok Epilepszia gócok lokalizálása – Interiktális tüskék azonozítása és a tüskéket generáló agyi területek azonosítása Forward/inverse probléma Ekvivalens dipólus keresése Lokalizációs algoritmusok vizsgálata Lokalizációs hiba elemzése
Időproblémák Model of the head tissue properties Model of the head tissue properties
Forward megoldás futási ideje Realisztikus fejmodell, 1 dipólus:5 perc Gömbmodell, N dipólus: runtime [sec] number of dipolesMatlabCoptimised C
SOLO screenshot
Forward megoldó GPU-n Speedup with respect to number of dipolesMatlabCoptimised C Egyrétegű gömbmodell (384 GPU cores), 2500 and dipoles 180 és 480 msec C/Matlab (5/300 sec 50/3000 sec) 4-rétegű modell implementálása folyamatban – Gyorsabb szekvenciális algoritmus
Dipólus keresés
Implementációs kérdések Párhuzamosítás Dipólus x elektróda Bemenő adatok: fejmodell, elektróda geometria, mért potenciál, dipólus pozíciók és orientáció Memória Device,constant,shared? Stream feldolgozás jCUDA
Intracraniális electródák vizualizációja Current results Future work
Sokcsatornás EKG diagnosztika
Összefoglalás SOLO szoftver első változat EEG jelek és skalp potenciál megjelenítése Felületi Laplace operátor (current source density) 3D egyedi páciens modell vizualizálás Gömbi fejmodell integrálva, közel valós idejű forward megoldó6 msec 2500 dipólusra További tervek Gömbi és realisztikus fejmodell alapú lokalizációs algoritmusok párhuzamosítása MR képmegjelenítő, videó monitorozás funkció Inverz megoldók vizsgálata, implementálása
Forward megoldás futási ideje Realisztikus fejmodell, 1 dipólus:5 perc Gömbmodell, N dipólus: runtime [sec] number of dipolesMatlabCoptimised C