JOURNAL SUMMARY

Perbandingan Komputasi GPGPU Pada Citra MRI Medis Menggunakan Teknik

Interpolasi Zero

“Comparison of GPGU Computation on MRI Medical Images Using Zero

Interpolation Technique”

Dr. Adnan, ST., MT.

Oleh :

Furqan Zakiyabarsi

(P2700216023)

SEKOLAH PASCASARJANA

TEKNIK ELEKTRO - INFORMATIKA

UNIVERSITAS HASANUDDIN MAKASSAR

2017
 Journal Summary

Muh. Rizky Hatsa, Adnan, Ingrid Nurtanio. (2017). Comparison of GPGU

Computation on MRI Medical Images Using Zero Interpolation Technique.

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

Prosedur dalam penelitian ini dilakukan dengan yaitu:

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

Penelitian ini menemukan bahwa:

1. Implementasi parallel pada GPGPU efektif untuk pengolahan data

besar seperti pengolahan gambar MRI.
2. Tidak semua algoritma dan operasi kompatibel dengan implementasi
paralel GPGPU. Implementasi paralel GPGPU cocok untuk data yang
berdekatan.
3. Untuk operasi yang tidak bersebelahan dengan implementasinya,
lebih baik di proses di CPU.

Contribution

1. Meskipun teknik rekonstruksi MRI pengisian Zero sederhana, dengan

pengoptimalan menggunakan GPGPU, waktu rekonstruksi dapat lebih
 cepat daripada teknik rekonstruksi MRI dari nol interpolasi pada CPU
yang diakses secara serial.
2. Tidak adanya jurnal yang secara khusus membahas optimalisasi teknik
rekonstruksi citra MRI nol zero zero menggunakan API CUDA API dan
OPENCL dibahas secara rinci dalam penelitian ini.

Conclusion

Berdasarkan hasil pengamatan dari implementasi Serial CPU, Paralel

CUDA I, Paralel OPENCL I, Paralel CUDA Il, dan Paralel OPENCL II dapat
disimpulkan bahwa Implementasi Paralel pada GPGPU (General Purpose
Graphical Processing Unit) efektif untuk pengolahan data yang besar. Hal ini
ditunjukkan dalam percepatan implementasi Paralel GPU implementasi CPU
Serial sebesar 4,14 kali bila ukuran matriks gambar keluaran 2048 x 2048 dan
jumlah irisan olahannya sama dengan empat iris. Tidak semua algoritma dan
operasi kompatibel dengan implementasi Paralel GPGPU. Semakin besar offset
akses memori pada perangkat GPGPU, semakin lama waktu yang dibutuhkan
untuk mengakses (memuat dan menyimpan) data. Implementasi paralel GPGPU
cocok untuk data yang berdekatan. Implementasi Mendapatkan Slice tertentu
(GetSpecificSliceData) dan ZeroFilled Interpolation lebih baik diproses pada CPU,
karena akses memori yang tidak bersebelahan dengan implementasinya.
Implementasi FFT, Shifting Implementation, dan Summary Root Implementation
(RSS) menunjukkan kinerja yang baik saat diolah di GPGPU dan saat data dalam
jumlah besar diproses. Implementasi Scaling Data (DataScaling) lebih baik
diproses pada CPU karena proses pencarian nilai maksimal. Mengurangi
Implementasi Paralel pada pencarian nilai maksimal tidak efektif karena
overhead.

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.

Kelemahan yang penulis bisa memberi masukan:

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.