Image segmentation using CUDA implementations of the Runge-Kutta-Merson and GMRES methods
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F11%3A00189320" target="_blank" >RIV/68407700:21340/11:00189320 - isvavai.cz</a>
Výsledek na webu
<a href="http://gcoe-mi.jp/english/publish_list/pub_inner/id:4/cid:17" target="_blank" >http://gcoe-mi.jp/english/publish_list/pub_inner/id:4/cid:17</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Image segmentation using CUDA implementations of the Runge-Kutta-Merson and GMRES methods
Popis výsledku v původním jazyce
Modern GPUs are well suited for performing image processing tasks. We utilize their high computational performance and memory bandwidth for image segmentation purposes. We segment cardiac MRI data by means of numerical solution of an anisotropic partialdifferential equation of the Allen-Cahn type. We implement two different algorithms for solving the equation on the CUDA architecture. One of them is based on the Runge-Kutta-Merson method for the approximation of solutions of ordinary differential equations, the other uses the GMRES method for the numerical solution of systems of linear equations. In our experiments, the CUDA implementations of both algorithms are about 3--9 times faster than corresponding 12-threaded OpenMP implementations.
Název v anglickém jazyce
Image segmentation using CUDA implementations of the Runge-Kutta-Merson and GMRES methods
Popis výsledku anglicky
Modern GPUs are well suited for performing image processing tasks. We utilize their high computational performance and memory bandwidth for image segmentation purposes. We segment cardiac MRI data by means of numerical solution of an anisotropic partialdifferential equation of the Allen-Cahn type. We implement two different algorithms for solving the equation on the CUDA architecture. One of them is based on the Runge-Kutta-Merson method for the approximation of solutions of ordinary differential equations, the other uses the GMRES method for the numerical solution of systems of linear equations. In our experiments, the CUDA implementations of both algorithms are about 3--9 times faster than corresponding 12-threaded OpenMP implementations.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2011
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Journal of Math-for-Industry
ISSN
1884-4774
e-ISSN
—
Svazek periodika
2011
Číslo periodika v rámci svazku
3
Stát vydavatele periodika
JP - Japonsko
Počet stran výsledku
7
Strana od-do
73-79
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—