UNIVERSITA’ DI NAPOLI FEDERICO II 1 ANALISI DI IMMAGINI MEDICHE IN AMBIENTE HPC: ALCUNI ESEMPI LUISA D’AMORE Dipartimento di Matematica e Applicazioni Facoltà di Scienze MMFFNN

2 Il contesto della ricerca Progetti di ricerca nazionali /multidisciplinari Progetti di ricerca nazionali /multidisciplinari Prof. M. Bertero (PRIN , , ) Prof. M. Bertero (PRIN , , ) Dipartimento di Informatica e Scienze dell’Informazione, Facoltà di Scienze MMFFNN, Università di Genova Dipartimento di Informatica e Scienze dell’Informazione, Facoltà di Scienze MMFFNN, Università di Genova Prof. G. Rodriguez (PRIN , PRIN ) Prof. G. Rodriguez (PRIN , PRIN ) Neurofisiologia, Facoltà di Medicina e Chirurgia, Università di Genova / Azienda Ospedaliera S. Martino Neurofisiologia, Facoltà di Medicina e Chirurgia, Università di Genova / Azienda Ospedaliera S. Martino Proff. A. Pupi, A. Formiconi ( PRIN , , FIRB ) Proff. A. Pupi, A. Formiconi ( PRIN , , FIRB ) Dipartimento di Fisiopatologia Clinica, Università di Firenze Dipartimento di Fisiopatologia Clinica, Università di Firenze Ospedale Careggi di Firenze Ospedale Careggi di Firenze Prof. F. Sgallari (GNCS ) Prof. F. Sgallari (GNCS ) Facoltà di Ingegneria, Università di Bologna, Facoltà di Ingegneria, Università di Bologna, Esaote s.p.a. (Bologna) Esaote s.p.a. (Bologna) Proff. A. Murli, G. Laccetti Proff. A. Murli, G. Laccetti Progetto SPACI ( ) Progetto SPACI ( ) Progetto SCOPE ( ) Progetto SCOPE ( ) UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE

3 Il contesto della ricerca Applicazioni di imaging medico Brain SPECT (2D, 3D) Ecocardiografia (2D, 3D, 4D) MRI (Ippocampo, 2D, 2D+1) UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE

4 Applicazioni di imaging medico Applicazioni di imaging medico Brain SPECT (2D, 3D) Brain SPECT (2D, 3D) Ricostruzione 3D da proiezioni 2D Ricostruzione 3D da proiezioni 2D Ecocardiografia (2D, 3D, 3D+1) Ecocardiografia (2D, 3D, 3D+1) Despeckling Despeckling Segmentazione Segmentazione Tracking del ventricolo sinistro Tracking del ventricolo sinistro MRI (2D, 2D+1) MRI (2D, 2D+1) Segmentazione ippocampo Segmentazione ippocampo Il contesto della ricerca UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE

5 Alcune parole chiave requirements dell’applicazione Strumenti software (semi)automatici, robusti e affidabili Real-time “ affordable” computing-power Fusione /integrazione di esami diagnostici Follow-up del paziente …… UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE Computer Aided Diagnosis tools

6 requirements del calcolo scientifico ad alte prestazioni requirements del calcolo scientifico ad alte prestazioni Introduzione del parallelismo Introduzione del parallelismo Località dei dati Località dei dati Granularità delle operazioni Granularità delle operazioni Livelli di parallelismo Livelli di parallelismo Scalabilità Scalabilità Isoefficienza Isoefficienza Precondizionatori domain decomposition Precondizionatori domain decomposition Multirisoluzione Multirisoluzione Multigrid algebrico (AMG) Multigrid algebrico (AMG) Solutori ricorsivi multilivello (ARMS) Solutori ricorsivi multilivello (ARMS) Portabilità Portabilità Alcune parole chiave UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE

7 La Computational Science Physics problem math model approximation discretization numerics algorithm software system UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE

8 SPECT: Single Photon Emission Computed Tomography 128x120x64 Ricostruzione 3D a partire da un set di acquisizioni 2D, che misurano la concentrazione del radiofarmaco u problema inverso u = K -1 z K: Blurred Radon Transform UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE

9 Modello fully 3D Modello fully 3D Modello 2D+1 Modello 2D+1 Semplificazione del modello 3D che assume costanti le interazioni tra le sezioni 2D Semplificazione del modello 3D che assume costanti le interazioni tra le sezioni 2D Modello 3D + TV Modello 3D + TV Ricostruzione edge preserving Ricostruzione edge preserving SPECT: Single Photon Emission Computed Tomography

10 SPECT 2D+1: Strategia di parallelizzazione Il parallelismo è insito nel modello matematico disaccoppiato. Ciascun processore ricostruisce una sequenza di problemi 2D La soluzione 3D viene ottenuta combinando i risultati 2D (problemi praticamente indipendenti) N/2 P0P0 P1P1 P2P2 P3P3

11 P0P0 P1P1 P2P2 SPECT fully 3D: Strategia di parallelizzazione P0 P0 P 1 Pn Pn I step: Coarse grain decomposition II step: fine grain decomposition Il parallelismo è indotto dal processo di acquisizione dati La suddivisione dei processori a gruppi migliore la scalabilità dell’algoritmo

12 SPECT 3D: tempi Problema 2D+1 Problema 2D+1 1 ricostruzione: 1 ricostruzione: 23 minuti (1 processore) 23 minuti (1 processore) 12 minuti (2 processori) 12 minuti (2 processori) Problema fully 3D: Problema fully 3D: 1 ricostruzione: 1 ricostruzione: 40 minuti (1 processore) 40 minuti (1 processore) 10 minuti (4 processori) 10 minuti (4 processori) Problema 2D+1 + TV Problema 2D+1 + TV 1 ricostruzione: 1 ricostruzione: 1 ora e 30 minuti (1 processore) 1 ora e 30 minuti (1 processore) 10 minuti (10 processori) 10 minuti (10 processori) Problema 3D + TV Problema 3D + TV 1ricostruzione: 1ricostruzione: 2 ore (1 processore) 2 ore (1 processore) 10 minuti (12 processori ) 10 minuti (12 processori ) Cluster Pentium GHz, switch Giga Ethernet.

13 2D+1 3D+TV Speed up L. D'Amore, et al. MEDITOMO: a high performance software for SPECT imaging, Journal of Computer Mathematics, L. D'Amore, et al. High Performance edge-preserving regularization in 3D SPECT imaging, Parallel Computing, 2008

14 ECOCARDIOGRAFIA: Problematiche Dati perturbati Dati perturbati Le immagini ad ultrasuoni sono degradate dal rumore speckle Le immagini ad ultrasuoni sono degradate dal rumore speckle Mancanza di informazioni Mancanza di informazioni Occlusioni, movimento della valvola cardiaca Occlusioni, movimento della valvola cardiaca 40 frame 440x440 Esaote s.p.a. UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE

15 Il modello matematico Il modello matematico L’analisi multiscala basata sulle PDE : formulazione level set del moto a curvatura media L’analisi multiscala basata sulle PDE : formulazione level set del moto a curvatura media funzione iniziale di segmentazione u u0u0 g: funzione edge detecting che caratterizza il moto della superficie di segmentazione u t ECOCARDIOGRAFIA: despeckling + segmentazione + moto (evoluzione della superficie di segmentazione u t fino alla determinazione dei contorni significativi) u

16 Dall’ imaging alle PDE località delle operazioni di base delle PDE Nelle PDE i nuclei computazionali a blocchi preservano la località dei modelli differenziali pur tenendo conto delle caratteristiche globali della soluzione approccio domain decomposition approccio multigrid UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE località delle operazioni alla base della visione piramidale Le operazioni di base dell’imaging preservano la località delle informazioni pur contribuendo a fornire le caratteristiche della soluzione globale multiscala multirisoluzione

17  località delle operazioni in ambienti HPC  introduzione del parallelismo già al livello della fase di costruzione del modello numerico (discretizazzione) scalabilità delle operazioni globali La slice partitioning porta all’effetto superficie /volume dell’overhead di comunicazione isoefficienza dipendente dalla lunghezza della sequenza Dalle PDE all’HPC UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE

18 UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE previsione deSpeckle Flusso ottico segmentazione deSpeckle Flusso ottico previsione segmentazione

19 ECOCG: tracking sequenza 2D (40 frame) segmentazione despeckle moto segmentazi one con previsione del contorno

20 Tempi di esecuzione Immagine 440 x 440 x 40 Speed-up Immagine 440 x 440 ECOCG: tracking sequenza 2D D’Amore L. et al. Segmentazione di sequenze di immagini digitali mediante previsione del moto, 2008 Despeckle + moto + segmentazione Intel Xeon ( processore quad core 2.3 GHz)

21 L. D’Amore et al., Towards a parallel component in Petsc Programming environment a case study in Echocardiography, Parallel Computing, 2006 Tempo di esecuzione di un passo di scala di tutta la sequenza Speed-up relativo ad un passo di scala di tutta la sequenza ECOCG 4D : tempo e speed up Tomtec s.p.a. 150x150x100x14 Cluster di 16 Pentium 4 con Fast Ethernet switch HP cluster di 32 Biprocessori Itanium 1.4 GHz con switch Quadrics QsNet

22 struttura del codice MAIN Inizializzazione dell’ambiente Solutore (KSP, SNES) costruzione dati Precondizionatori (PC) Analisi risultati Codice Utente Codice PETSc UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE /* Inizializzazione dell’applicazione */ #include "petscksp.h" #undef __FUNCT__ #define __FUNCT__ "main" int main(int argc,char **args) { PetscInitialize(&argc,&args,(char *)0,help); ierr = PetscOptionsGetInt(PETSC_NULL,"-m",&m,PETSC_NULL);CHKERRQ(ierr); ierr = PetscOptionsGetInt(PETSC_NULL,"-n",&n,PETSC_NULL);CHKERRQ(ierr); /* Inizializzazione ambiente PETSc */ /* visualizzazione risultati */ ierr = VecView(x,PETSC_VIEWER_STDOUT_WORLD);CHKERRQ(ierr); ierr = VecAXPY(x,neg_one,u);CHKERRQ(ierr); ierr = VecNorm(x,NORM_2,&norm);CHKERRQ(ierr); ierr = KSPGetIterationNumber(ksp,&its);CHKERRQ(ierr); PetscPrintf(PETSC_COMM_WORLD,"Norma errore %A iter. %D\n“, norm,its); /* deallocazione della memoria PETSc */ ierr = KSPDestroy(ksp);CHKERRQ(ierr); ierr = VecDestroy(u);CHKERRQ(ierr); ierr = VecDestroy(x);CHKERRQ(ierr); ierr = VecDestroy(b);CHKERRQ(ierr); ierr = MatDestroy(A);CHKERRQ(ierr); ierr = PetscFinalize();CHKERRQ(ierr); return 0;} /* definisco il Precondizionatore */ /* Creo il contesto Solutore Lineare */ /* Configuro il KSP */ /* Risolvo il sistema lineare */ ierr=KSPGetPC(ksp,&pc); CHKERRQ(ierr); ierr=PCSetType(pc,PCBJACOBI); CHKERRQ(ierr); ierr = KSPCreate(PETSC_COMM_WORLD,&ksp);CHKERRQ(ierr); ierr = KSPSetFromOptions(ksp);CHKERRQ(ierr); ierr = KSPSolve(ksp,b,x);CHKERRQ(ierr);

23 integrazione nel PSE MEdIGrid UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE

24 UNIVERSITA’ DI NAPOLI FEDERICO II LUISA D’AMORE integrazione nell’ infrastruttura di S.Co.Pe PETSc medigrid

25 Collaboratori UNINA/CNR M. Lapegna, UNINA Federico II M. Lapegna, UNINA Federico II V. Boccia, UNINA Federico II V. Boccia, UNINA Federico II L. Carracciuolo, CNR L. Carracciuolo, CNR R. Campagna, UNINA Federico II R. Campagna, UNINA Federico II D. Casaburi, UNINA Federico II D. Casaburi, UNINA Federico II A. Galletti, UNINA Parthenope A. Galletti, UNINA Parthenope L. Marcellino, UNINA Parthenope L. Marcellino, UNINA Parthenope V. Mele, UNINA Federico II V. Mele, UNINA Federico II