УДК: 004.272.2 519.245

Реализация последовательного метода Монте-Карло в системах с массовым параллелизмом для обработки изображений в оптической когерентной томографии

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Скаков П.С., Гуров И.П. Реализация последовательного метода Монте-Карло в системах с массовым параллелизмом для обработки изображений в оптической когерентной томографии // Оптический журнал. 2015. Т. 82. № 8. С. 61–65.

Skakov P.S., Gurov I.P. Implementation of the sequential Monte Carlo method in systems with massive parallelism for processing images in optical coherent tomography [in Russian] // Opticheskii Zhurnal. 2015. V. 82. № 8. P. 61–65.

Ссылка на англоязычную версию:

P. S. Skakov and I. P. Gurov, "Implementation of the sequential Monte Carlo method in systems with massive parallelism for processing images in optical coherent tomography," Journal of Optical Technology. 82(8), 538-541 (2015). https://doi.org/10.1364/JOT.82.000538

Аннотация:

Рассмотрены особенности использования систем с массовым параллелизмом на примере графических процессоров для эффективной реализации последовательного метода Монте-Карло (ПММК) в случае обработки данных в оптической когерентной томографии. Проведено исследование зависимости быстродействия реализаций ПММК в различных программных и аппаратных конфигурациях. Показана целесообразность применения платформы OpenCL для реализации ПММК, в том числе при использовании только процессора общего назначения. Показана эффективность вычислений на графических процессорах, что позволило провести обработку за 30 с трехмерного томографического изображения размером 1280×1022×376 отсчетов последовательным методом Монте-Карло.

Ключевые слова:

последовательный метод Монте-Карло, GPGPU, анализ интерферометрических сигналов

Благодарность:

Работа выполнена при поддержке Министерства образования и науки Российской Федерации.

Коды OCIS: 100.2000 100.6950

Список источников:

1. Волынский М.А., Гуров И.П., Ермолаев П.А., Скаков П.С. Динамическое оценивание параметров интерферометрических сигналов на основе последовательного метода Монте-Карло // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 3 (91). С. 18–24.
2. Волынский М.А., Гуров И.П., Ермолаев П.А., Скаков П.С. Исследование биологических объектов в оптической когерентной томографии с обработкой данных последовательным методом Монте-Карло // Научнотехнический вестник информационных технологий, механики и оптики. 2014. № 4 (92). С. 23–28.
3. Simon D. Optimal state estimation. N.Y.: John Wiley & Sons, Inc., 2006. 526 p.
4. Гуров И.П. Оптическая когерентная томография: принципы, проблемы и перспективы // Проблемы когерентной и нелинейной оптики / Под ред. Гурова И.П., Козлова С.А. СПб.: СПбГУ ИТМО, 2004. С. 6–30.
5. Волынский М.А., Гуров И.П., Скаков П.С. Рекуррентный алгоритм обработки интерферометрических сигналов на основе мультиоблачной модели предсказания // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 4 (92). С. 18–22.
6. Скаков П.С. Динамическое оценивание параметров интерферометрических систем и сигналов на основе последовательного метода Монте-Карло // Автореф. канд. дис. СПб.: ИТМО, 2014. 19 с.
7. Marsaglia G., Bray T.A. A convenient method for generating normal variables // SIAM Review. 1964. V. 6. Is. 3. P. 260–264.
8. Marsaglia G., Tsang W.W. The ziggurat method for generating random variables // Journal of Statistical Software. 2000. V. 5. Is. 8. P. 1–7.