Journal Summary - Comparison Gpgu
Journal Summary - Comparison Gpgu
Journal Summary - Comparison Gpgu
Oleh :
Furqan Zakiyabarsi
(P2700216023)
SEKOLAH PASCASARJANA
2017
Journal Summary
Introduction
Pengolahan data citra pada mesin MRI (Magnetic Resonance Imaging) adalah
masalah yang banyak dibicarakan di bidang elektro medis. Salah satu bagian terpenting
dalam memproses data mentah dari mesin MRI ke gambar yang bisa dianalisis oleh
dokter. Waktu proses dari bentuk data mentah ke citra pada mesin MRI merupakan
variabel yang sangat penting agar pasien / pengguna mesin MRI dapat segera diobati
oleh ahli medis berdasarkan hasil pencitraan mesin MRI dan menjaga kenyamanan
pasien. Oleh karena itu, untuk mendapatkan gambaran seberapa cepat optimalisasi
waktu eksekusi GPGPU (General Purpose Graphical Processing Unit) dalam mengolah
data MRI mentah, penelitian ini mencoba membandingkan waktu eksekusi pengolahan
data mentah (K-Space) menjadi gambar pada CPU yang diproses dalam Serial dan
pengolahan pada GPU yang diproses secara paralel. Dalam penelitian ini digunakan
teknik rekonstruksi pengisian citra medis nol. Teknik rekonstruksi citra pengisian nol
mencakup teknik yang cukup sederhana dibandingkan teknik rekonstruksi gambar MRI
lainnya. Meski tekniknya sederhana, jika data K-Space lengkap tersedia, teknik
rekonstruksi gambar pengisian nol akan memberikan hasil yang baik. Dengan optimasi
menggunakan GPGPU diharapkan bisa mendapatkan waktu rekonstruksi yang lebih
cepat. Pada akhirnya, akurasi dan kecepatan bisa didapat.
Procedures
Gambar
Gambar
Rekonstruks
mentah
i
Data
MRI
1. Membaca K-Space Raw Data
K-Space Raw Data diambil dari rata yang disediakan oleh mridata.org.
2. Memilih Spesific slice yang akan di proses
Slice yang yang akan di teliti adalah slice 2 dan 4.
3. Zero Interpolation
Teknik interpolasi zero-filling adalah metode yang dapat memperluas
ukuran matriks asli tanpa meningkatkan waktu pemindaian dengan
menempatkan data yang diperoleh di daerah pusat pada ruang k, dan
dengan mengisi data nol di daerah terluar pada frekuensi spasial yang
tinggi, membuat gambar lebih halus.
4. Fast Fourier Transform Operation
Pengolahan data MRI biasanya dilakukan di dalam prosesor array
menggunakan algoritma Fast Fourier Transformation (FFT). Perhitungan
ini membutuhkan data masukan dalam matriks 2 dimensi. Operasi
Transformasi Fast Fourier untuk mengubah data yang didominasi
frekuensi menjadi domain spasial.
5. Shift Fast Fourier Transform Operation
Operasi shift Fast Fourier Transform untuk mendapatkan gambar dengan
posisi yang benar (wilayah).
6. Root Sum Square Operation
Data untuk citra mentah akan diproses pada operasi Root Sum Square
untuk menggabungkan bitmask data untuk setiap gambar
7. Scaling Operation
Operasi penskalaan untuk mendapatkan data dengan nilai maksimal 1
(satu).
8. Display the Reconstructed Data Image
Menampilkan data yang direkonstruksi berupa gambar 2 dimensi.
Operasi Zero interpolation, fast fourier transform, dan shift fast fourier
transform, hanya di operasikan untuk gambar yang di rekonstruksi. Selanjutnya
proses operasi di uji dengan membandingkan kecepatan waktu eksekusi 20 kali
waktu eksekusi variabel untuk lima kondisi, yaitu:
Serial CPU
Paralel Paralel
OPENCL II CUDA I
Kecepatan
Waktu
Eksekusi
Paralel Paralel
OPENCL I CUDA II
1. Serial CPU
2. Paralel CUDA I
3. Paralel CUDA II
4. Paralel OPENCL I
5. Paralel OPENCL II
Findings
Contribution
Conclusion
Personal Comment
Jurnal ini sangat baik karena ditulis dengan bahasa yang yang ringan dan mudah
dimengerti. Selain itu penelitian ini menunjukkan bahwa dengan menggunakan
algoritma sederhana rekonstruksi gambar MRI dapat dilakukan dengan cepat
menggunakan metode zero interpolation dan paralel computing, hal ini tentunya
bagi dunia teknik dan medis sangat berpengaruh besar.
1. Dalam penelitian ini slice dipilih secara manual, jadi untuk implementasi
paralel computing hanya efektif untuk slice yang datanya besar.
2. Hanya GPGPU yang dioperasikan secara paralel, sedangkan CPU hanya di
operasikan secara serial.