gms | German Medical Science

54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

07. bis 10.09.2009, Essen

Performanzsteigerung von Diffusion Tensor Image Analyse durch Nutzung gridbasierter Workflows

Meeting Abstract

  • Ralf Luetzkendorf - Otto-von-Guericke-Universitaet, Magdeburg
  • Fred Viezens - Otto-von-Guericke-Universitaet, Magdeburg
  • Frank Hertel - Otto-von-Guericke-Universitaet, Magdeburg
  • Dagmar Krefting - Charité, Berlin
  • Kathrin Peter - Zuse Institut, Berlin
  • Johannes Bernarding - Otto-von-Guericke-Universitaet, Magdeburg

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Essen, 07.-10.09.2009. Düsseldorf: German Medical Science GMS Publishing House; 2009. Doc09gmds196

DOI: 10.3205/09gmds196, URN: urn:nbn:de:0183-09gmds1961

Veröffentlicht: 2. September 2009

© 2009 Luetzkendorf et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung: Diffusionstensor-Bildgebung(DTI) ermöglicht die Visualisierung einzelner Nervenfasern und kann sowohl für Grundlagenforschung als auch für Diagnose und Operationsplanung eingesetzt werden[1]. Ein Standardwerkzeug ist die DTI-Toolbox der freien Bildverarbeitungsbibliothek FSL [2]. Die Berechnung eines typischen Datensatzes von 50-70 Schichten benötigt etwa 24-Stunden. Schichtbasierte Parallelisierung bei Nutzung von Gridressourcen bietet einen Ansatz zur Performanzsteigerung.

Methoden: Die FSL-Toolbox wurde in die MediGRID-Infrastruktur integriert. Diffusionsdaten werden über das MediGRID-Portal [3] in das Griddatenmanagementsystem (SRB) hochgeladen. Die Anwendung wird als Gridworkflow modelliert und über den Grid Workflow Execution Service (GWES) [4] ausgeführt. Der GWES übernimmt dabei das Scheduling auf verfügbare Ressourcen und die Orchestrierung der nebenläufigen Prozesse. Die Parallelisierung der DTI-Berechnung wird durch das Aufteilen der Ausgangsdaten in mehrere Schichten erreicht [5], [6]. Die Schichten werden auf entsprechend vielen Prozessoren berechnet. Am Ende werden die Ergebnisse zusammengeführt und in den SRB übertragen.

Ergebnisse: Durch die Gridintegration kann die Anwendung in einem Rechnerverbund von rund 2000 CPUs gestartet werden. Der Zugang zum Grid erfolgt standortunabhängig über das MediGRID-Portal [7]. Neue Daten und Workflowbeschreibungen können beliebig hochgeladen und gestartet, der Status der Anwendung jederzeit abgefragt werden.

Durch die Parallelisierung konnte eine Reduktion von 22 Stunden auf ca. 4 Stunden erreicht werden. Die erhöhte Fehleranfälligkeit durch die räumliche Verteilung der heterogenen Rechnerstruktur (kurzfristige Ausfälle von Konnektivität und Ressourcen) wird durch die eingebauten Fehlerstrategien des GWES abgefangen. Die theoretisch mögliche Zeitersparnis – selbst bei Berücksichtigung des Datentransfers – liegt jedoch deutlich (etwa um einen Faktor 10) höher. Hauptursache sind dabei die teilweise langen Wartezeiten auf den gemeinsam genutzten Ressourcen, insbesondere, wenn einzelne fehlerhafte Prozessschritte wiederholt werden müssen.

Diskussion: Die Steigerung der Performanz von FSL BedpostX durch Parallelisierung, kombiniert mit der Gridintegration der Anwendung, ermöglicht es, standortunabhängig und effektiv Diffusionstensoren zu bestimmen. Eine weitere Reduktion der Rechenzeit ist durch die aktuelle Anbindung von weiteren 3700 CPUs an die MediGRID-Infrastruktur, sowie verbesserte Methoden der Ressourcenzuweisung in Aussicht.


Literatur

1.
Pierpaoli C, et al. Diffusion tensor MR imaging of the human brain. Radiology. 1996;201:637-648.
2.
Smith SM, Jenkinson M, Woolrich MW, Beckmann CF, Behrens TEJ, Johansen-Berg H, Bannister PR, De Luca M, Drobnjak I, Flitney DE, Niazy R, Saunders J, Vickers J, Zhang Y, De Stefano N, Brady JM, Matthews PM. Advances in functional and structural MR image analysis and implementation as FSL. NeuroImage. 2004;23(S1):208-219.
3.
Krefting. MediGRID: Towards A User Friendly Secured Grid Infrastructure - Future Generation Computer Systems. 2008.
4.
Hoheisel A. Grid workflow execution service - dynamic and interactive execution and visualization of distributed workflows. In: Proceedings of the Cracow Grid Workshop 2006 Vol II, Academic Computer Centre CYFRONET AGH. 2007. p. 13-24.
5.
Lützkendorf, et al. InVivo Human Brain Diffusion Tensor Imaging (DTI) at 3T and 7T – Proceedings ISMRM. 2008.
6.
Lützkendorf, et al. Diffusion Tensor Imaging (DTI) at 3T and 7T – Proceedings High Field ISMRM. 2007
7.
Krefting, et al. Standortunabhängiger Zugang und interaktive Steuerung von gridbasierten Diensten zur medizinischen Bildverarbeitungüber ein Gridportal – Proceedings GMDS. 2008. http://www.egms.de/de/meetings/gmds2008/08gmds184.shtml Externer Link