• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Information and Communication Systems >Improving FCM and T2FCM algorithms performance using GPUs for medical images segmentation
【24h】

Improving FCM and T2FCM algorithms performance using GPUs for medical images segmentation

机译：使用GPU改进FCM和T2FCM算法性能以进行医学图像分割

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Image segmentation gained popularity recently due to numerous applications in many fields such as computer vision, medical imaging. From its name, segmentation is interested in partitioning the image into separate regions where one of them is of special interest. Such region is called the Region of Interest (RoI) and it is very important for many medical imaging problems. Clustering is one of the segmentation approaches typically used on medical images despite its long running time. In this work, we propose to leverage the power of the Graphics Processing Unit (GPU)to improve the performance of such approaches. Specifically, we focus on the Fuzzy C-Means (FCM) algorithm and its more recent variation, the Type-2 Fuzzy C-Means (T2FCM) algorithm. We propose a hybrid CPU-GPU implementation to speed up the execution time without affecting the algorithm's accuracy. The experiments show that such an approach reduces the execution time by up to 80% for FCM and 74% for T2FCM.
机译：由于在诸如计算机视觉，医学成像的许多领域中的大量应用，图像分割最近变得流行。顾名思义，分割的目的是将图像划分为几个单独的区域，其中一个是特别令人感兴趣的区域。这样的区域称为关注区域（RoI），它对于许多医学成像问题非常重要。尽管聚类运行时间长，但它仍是通常在医学图像上使用的分割方法之一。在这项工作中，我们建议利用图形处理单元（GPU）的功能来提高此类方法的性能。具体来说，我们专注于模糊C均值（FCM）算法及其最新变化，即Type-2模糊C均值（T2FCM）算法。我们提出了一种CPU-GPU混合实现方案，以加快执行时间，而不影响算法的准确性。实验表明，这种方法将FCM的执行时间减少多达80％，将T2FCM的执行时间减少了74％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号