Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina

La ejecución paralela de aplicaciones usando unidades de procesamiento gráfico (gpu) ha ganado gran interés en la comunidad académica en los años recientes. La computación paralela puede ser aplicada a las estrategias evolutivas para procesar individuos dentro de una población, sin embargo, las estr...

Full description

Autores:: Sánchez-Torres, Germán
González-Calederón, Guillermo

Tipo de recurso:: Article of journal

Fecha de publicación:: 2016

Institución:: Universidad de Medellín

Repositorio:: Repositorio UDEM

Idioma:: spa

id	REPOUDEM2_7a42c8916ab9d33ddc1faa7f9c963ab5
oai_identifier_str	oai:repository.udem.edu.co:11407/3542
network_acronym_str	REPOUDEM2
network_name_str	Repositorio UDEM
repository_id_str
dc.title.spa.fl_str_mv	Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina A GPU-based Evolution Strategy for Optic Disk Detection in Retinal Images
title	Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina
spellingShingle	Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina Compute Unified Device Architecture Optic disk Evolutionary strategy Retinal images Ingeniería de Sistemas GPU Disco óptico Estrategias evolutivas Imágenes de retina
title_short	Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina
title_full	Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina
title_fullStr	Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina
title_full_unstemmed	Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina
title_sort	Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina
dc.creator.fl_str_mv	Sánchez-Torres, Germán González-Calederón, Guillermo
dc.contributor.author.none.fl_str_mv	Sánchez-Torres, Germán González-Calederón, Guillermo
dc.subject.spa.fl_str_mv	Compute Unified Device Architecture Optic disk Evolutionary strategy Retinal images Ingeniería de Sistemas GPU Disco óptico Estrategias evolutivas Imágenes de retina
topic	Compute Unified Device Architecture Optic disk Evolutionary strategy Retinal images Ingeniería de Sistemas GPU Disco óptico Estrategias evolutivas Imágenes de retina
description	La ejecución paralela de aplicaciones usando unidades de procesamiento gráfico (gpu) ha ganado gran interés en la comunidad académica en los años recientes. La computación paralela puede ser aplicada a las estrategias evolutivas para procesar individuos dentro de una población, sin embargo, las estrategias evolutivas se caracterizan por un significativo consumo de recursos computacionales al resolver problemas de gran tamaño o aquellos que se modelan mediante funciones de aptitud complejas. Este artículo describe la implementación de una estrategia evolutiva para la detección del disco óptico en imágenes de retina usando Compute Unified Device Architecture (cuda). Los resultados experimentales muestran que el tiempo de ejecución para la detección del disco óptico logra una aceleración de 5 a 7 veces, comparado con la ejecución secuencial en una cpu convencional.
publishDate	2016
dc.date.created.none.fl_str_mv	2016-12-31
dc.date.accessioned.none.fl_str_mv	2017-06-29T22:22:36Z
dc.date.available.none.fl_str_mv	2017-06-29T22:22:36Z
dc.type.eng.fl_str_mv	Article
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_6501
dc.type.local.spa.fl_str_mv	Artículo científico
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/article
format	http://purl.org/coar/resource_type/c_6501
dc.identifier.issn.none.fl_str_mv	1692-3324
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/11407/3542
dc.identifier.doi.none.fl_str_mv	http://dx.doi.org/10.22395/rium.v15n29a11
dc.identifier.eissn.none.fl_str_mv	2248-4094
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional Universidad de Medellín
dc.identifier.repourl.none.fl_str_mv	repourl:https://repository.udem.edu.co/
dc.identifier.instname.spa.fl_str_mv	instname:Universidad de Medellín
identifier_str_mv	1692-3324 http://dx.doi.org/10.22395/rium.v15n29a11 2248-4094 reponame:Repositorio Institucional Universidad de Medellín repourl:https://repository.udem.edu.co/ instname:Universidad de Medellín
url	http://hdl.handle.net/11407/3542
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.relation.uri.none.fl_str_mv	http://revistas.udem.edu.co/index.php/ingenierias/article/view/1762
dc.relation.citationvolume.none.fl_str_mv	15
dc.relation.citationissue.none.fl_str_mv	29
dc.relation.citationstartpage.none.fl_str_mv	173
dc.relation.citationendpage.none.fl_str_mv	190
dc.relation.references.spa.fl_str_mv	O. Kramer, “Evolution Strategies,” in A Brief Introduction to Continuous Evolutionary Optimization, Springer International Publishing, 2014, pp. 15–26. N. Hansen, D. V. Arnold, and A. Auger, “Evolution Strategies,” in Springer Handbook of Computational Intelligence, J. Kacprzyk and W. Pedrycz, Eds. Springer Berlin Heidelberg, 2015, pp. 871–898. G. Zeng and C. Ding, “An Analysis on Parallel Genetic Algorithm,” Computer Engineering, vol. 27, no. 9, pp. 53–55, 2001. Y. Ke, Y. Li, and D. Li, “Image Matching Using Genetic Algorithm on GPU,” in 2011 International Conference on Control, Automation and Systems Engineering (CASE), 2011, pp. 1–4. NVIDIA CUDA Compute Unified Device Architecture - Programming Guide. 2007. J. Sanders and E. Kandrot, CUDA by Example: An Introduction to General-Purpose GPU Programming, 1st ed. Addison-Wesley Professional, 2010. David Kirk and Wen-mei Hwu, Programming Massively Parallel Processors, 2nd ed. 2012. D. Robilliard, V. Marion-Poty, and C. Fonlupt, “Population Parallel GP on the G80 GPU,” in Genetic Programming, M. O’Neill, L. Vanneschi, S. Gustafson, A. I. E. Alcázar, I. D. Falco, A. D. Cioppa, and E. Tarantino, Eds. Springer Berlin Heidelberg, 2008, pp. 98–109. G. Chen, D. Xu, H. Hu, Y. Liu, and R. Chen, “The Application of CUDA Technology in Biomedical Image Processing,” in Emerging Research in Artificial Intelligence and Computational Intelligence, J. Lei, F. L. Wang, H. Deng, and D. Miao, Eds. Springer Berlin Heidelberg, 2012, pp. 378–385. M. A. Khan and A. Juhn, “Diabetic Retinopathy,” in Optical Coherence Tomography, A. Girach and R. C. Sergott, Eds. Springer International Publishing, 2016, pp. 29–42. L. Giancardo, F. Meriaudeau, T. P. Karnowski, Y. Li, S. Garg, K. W. Tobin Jr., and E. Chaum, “Exudate-based diabetic macular edema detection in fundus images using publicly available datasets,” Medical Image Analysis, vol. 16, no. 1, pp. 216–226, Jan. 2012. M. Krause, R. M. Alles, B. Burgeth, and J. Weickert, “Fast retinal vessel analysis,” J Real-Time Image Proc, vol. 11, no. 2, pp. 413–422, Apr. 2016. O. S. Soliman, J. Platoš, A. E. Hassanien, and V. Snášel, “Automatic Localization and Boundary Detection of Retina in Images Using Basic Image Processing Filters,” in Proceedings of the Third International Conference on Intelligent Human Computer Interaction (IHCI 2011), Prague, Czech Republic, August, 2011, M. Kudělka, J. Pokorný, V. Snášel, and A. Abraham, Eds. Springer Berlin Heidelberg, 2013, pp. 169–182. G. Sánchez Torres, A. Espinosa Bedoya, and Y. Fernando Ceballos, “DETECCIÓN DEL DISCO ÓPTICO EN RETINOGRAFÍAS MEDIANTE UNA ESTRATEGIA EVOLUTIVA (µ+λ),” Revista EIA, no. 21, pp. 55–66, Jun. 2014. M. D. Abramoff and M. Niemeijer, “The automatic detection of the optic disc location in retinal images using optic disc location regression,” in 28th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2006. EMBS ’06, 2006, pp. 4432–4435. S. Sb and V. Singh, “Automatic Detection of Diabetic Retinopathy in Non-dilated RGB Retinal Fundus Images,” International Journal of Computer Applications, vol. 47, no. 19, pp. 26–32, Jun. 2012. C. Sinthanayothin, J. Boyce, H. Cook, and T. Williamson, “Automated localisation of the optic disc, fovea, and retinal blood vessels from digital colour fundus images,” Br J Ophthalmol, vol. 83, no. 8, pp. 902–910, Aug. 1999. A. Hoover and M. Goldbaum, “Locating the optic nerve in a retinal image using the fuzzy convergence of the blood vessels,” IEEE Transactions on Medical Imaging, vol. 22, no. 8, pp. 951–958, Aug. 2003. C. Trujillo and J. Garcia-Sucerquia, “Graphics Processing Units: More Than the Pathway to Realistic Video-Games,” Dyna, vol. 78, no. 168, pp. 164–172, 2011. L. Zheng, Y. Lu, M. Ding, Y. Shen, M. Guoz, and S. Guo, “Architecture-based Performance Evaluation of Genetic Algorithms on Multi/Many-core Systems,” in 2011 IEEE 14th International Conference on Computational Science and Engineering (CSE), 2011, pp. 321–334. V. Kalesnykiene, J. –. Kamarainen, R. Voutilainen, J. Pietilä, H. Kälviäinen, and H. Uusitalo, DIARETDB1 diabetic retinopathy database and evaluation protocol. 2012. Narendra V G and Hareesh K S, “Study and comparison of various image edge detection techniques used in quality inspection and evaluation of agricultural and food products by computer vision,” Int J Agric & Biol Eng, vol. 4, pp. 83–90. W. B. Langdon, “A Fast High Quality Pseudo Random Number Generator for nVidia CUDA,” in Proceedings of the 11th Annual Conference Companion on Genetic and Evolutionary Computation Conference: Late Breaking Papers, New York, NY, USA, 2009, pp. 2511–2514.
dc.relation.ispartofjournal.spa.fl_str_mv	Revista Ingenierías Universidad de Medellín
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.creativecommons.*.fl_str_mv	Attribution-NonCommercial-ShareAlike 4.0 International
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-sa/4.0/ Attribution-NonCommercial-ShareAlike 4.0 International http://purl.org/coar/access_right/c_abf2
dc.format.extent.spa.fl_str_mv	p. 173-190
dc.format.medium.spa.fl_str_mv	Electrónico
dc.format.mimetype.none.fl_str_mv	application/pdf
dc.coverage.spa.fl_str_mv	Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degreesLong: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.publisher.spa.fl_str_mv	Universidad de Medellín
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingenierías
dc.publisher.place.spa.fl_str_mv	Medellín
dc.source.spa.fl_str_mv	Revista Ingenierías Universidad de Medellín; Vol. 15, núm. 29 (2016); 173-190 2248-4094 1692-3324
institution	Universidad de Medellín
bitstream.url.fl_str_mv	http://repository.udem.edu.co/bitstream/11407/3542/3/Revista_Ingenierias_UdeM_296.pdf.jpg http://repository.udem.edu.co/bitstream/11407/3542/1/Articulo.html http://repository.udem.edu.co/bitstream/11407/3542/2/Revista_Ingenierias_UdeM_296.pdf
bitstream.checksum.fl_str_mv	02eb2010a5049c78dc5db6b40d7cf534 b747a7305f388dd275d8f98bf77ca57c 9c40fc924103dc8f70bb3d0ec1de14e6
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad de Medellin
repository.mail.fl_str_mv	repositorio@udem.edu.co
_version_	1814159139580936192
spelling	Sánchez-Torres, GermánGonzález-Calederón, GuillermoSánchez-Torres, Germán; Universidad del MagdalenaGonzález-Calederón, Guillermo; Universidad Nacional de Colombia, sede Medellín2017-06-29T22:22:36Z2017-06-29T22:22:36Z2016-12-311692-3324http://hdl.handle.net/11407/3542 http://dx.doi.org/10.22395/rium.v15n29a112248-4094reponame:Repositorio Institucional Universidad de Medellínrepourl:https://repository.udem.edu.co/instname:Universidad de MedellínLa ejecución paralela de aplicaciones usando unidades de procesamiento gráfico (gpu) ha ganado gran interés en la comunidad académica en los años recientes. La computación paralela puede ser aplicada a las estrategias evolutivas para procesar individuos dentro de una población, sin embargo, las estrategias evolutivas se caracterizan por un significativo consumo de recursos computacionales al resolver problemas de gran tamaño o aquellos que se modelan mediante funciones de aptitud complejas. Este artículo describe la implementación de una estrategia evolutiva para la detección del disco óptico en imágenes de retina usando Compute Unified Device Architecture (cuda). Los resultados experimentales muestran que el tiempo de ejecución para la detección del disco óptico logra una aceleración de 5 a 7 veces, comparado con la ejecución secuencial en una cpu convencional.Parallel processing using graphic processing units (GPUs) has attracted much research interest in recent years. Parallel computation can be applied to evolution strategy (ES) for processing individuals in a population, but evolutionary strategies are time consuming to solve large computational problems or complex fitness functions. In this paper we describe the implementation of an improved ES for optic disk detection in retinal images using the Compute Unified Device Architecture (CUDA) environment. In the experimental results we show that the computational time for optic disk detection task has a speedup factor of 5x and 7x compared to an implementation on a mainstream CPU.p. 173-190Electrónicoapplication/pdfspaUniversidad de MedellínFacultad de IngenieríasMedellínhttp://revistas.udem.edu.co/index.php/ingenierias/article/view/17621529173190O. Kramer, “Evolution Strategies,” in A Brief Introduction to Continuous Evolutionary Optimization, Springer International Publishing, 2014, pp. 15–26.N. Hansen, D. V. Arnold, and A. Auger, “Evolution Strategies,” in Springer Handbook of Computational Intelligence, J. Kacprzyk and W. Pedrycz, Eds. Springer Berlin Heidelberg, 2015, pp. 871–898.G. Zeng and C. Ding, “An Analysis on Parallel Genetic Algorithm,” Computer Engineering, vol. 27, no. 9, pp. 53–55, 2001.Y. Ke, Y. Li, and D. Li, “Image Matching Using Genetic Algorithm on GPU,” in 2011 International Conference on Control, Automation and Systems Engineering (CASE), 2011, pp. 1–4.NVIDIA CUDA Compute Unified Device Architecture - Programming Guide. 2007.J. Sanders and E. Kandrot, CUDA by Example: An Introduction to General-Purpose GPU Programming, 1st ed. Addison-Wesley Professional, 2010.David Kirk and Wen-mei Hwu, Programming Massively Parallel Processors, 2nd ed. 2012.D. Robilliard, V. Marion-Poty, and C. Fonlupt, “Population Parallel GP on the G80 GPU,” in Genetic Programming, M. O’Neill, L. Vanneschi, S. Gustafson, A. I. E. Alcázar, I. D. Falco, A. D. Cioppa, and E. Tarantino, Eds. Springer Berlin Heidelberg, 2008, pp. 98–109.G. Chen, D. Xu, H. Hu, Y. Liu, and R. Chen, “The Application of CUDA Technology in Biomedical Image Processing,” in Emerging Research in Artificial Intelligence and Computational Intelligence, J. Lei, F. L. Wang, H. Deng, and D. Miao, Eds. Springer Berlin Heidelberg, 2012, pp. 378–385.M. A. Khan and A. Juhn, “Diabetic Retinopathy,” in Optical Coherence Tomography, A. Girach and R. C. Sergott, Eds. Springer International Publishing, 2016, pp. 29–42.L. Giancardo, F. Meriaudeau, T. P. Karnowski, Y. Li, S. Garg, K. W. Tobin Jr., and E. Chaum, “Exudate-based diabetic macular edema detection in fundus images using publicly available datasets,” Medical Image Analysis, vol. 16, no. 1, pp. 216–226, Jan. 2012.M. Krause, R. M. Alles, B. Burgeth, and J. Weickert, “Fast retinal vessel analysis,” J Real-Time Image Proc, vol. 11, no. 2, pp. 413–422, Apr. 2016.O. S. Soliman, J. Platoš, A. E. Hassanien, and V. Snášel, “Automatic Localization and Boundary Detection of Retina in Images Using Basic Image Processing Filters,” in Proceedings of the Third International Conference on Intelligent Human Computer Interaction (IHCI 2011), Prague, Czech Republic, August, 2011, M. Kudělka, J. Pokorný, V. Snášel, and A. Abraham, Eds. Springer Berlin Heidelberg, 2013, pp. 169–182.G. Sánchez Torres, A. Espinosa Bedoya, and Y. Fernando Ceballos, “DETECCIÓN DEL DISCO ÓPTICO EN RETINOGRAFÍAS MEDIANTE UNA ESTRATEGIA EVOLUTIVA (µ+λ),” Revista EIA, no. 21, pp. 55–66, Jun. 2014.M. D. Abramoff and M. Niemeijer, “The automatic detection of the optic disc location in retinal images using optic disc location regression,” in 28th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2006. EMBS ’06, 2006, pp. 4432–4435.S. Sb and V. Singh, “Automatic Detection of Diabetic Retinopathy in Non-dilated RGB Retinal Fundus Images,” International Journal of Computer Applications, vol. 47, no. 19, pp. 26–32, Jun. 2012.C. Sinthanayothin, J. Boyce, H. Cook, and T. Williamson, “Automated localisation of the optic disc, fovea, and retinal blood vessels from digital colour fundus images,” Br J Ophthalmol, vol. 83, no. 8, pp. 902–910, Aug. 1999.A. Hoover and M. Goldbaum, “Locating the optic nerve in a retinal image using the fuzzy convergence of the blood vessels,” IEEE Transactions on Medical Imaging, vol. 22, no. 8, pp. 951–958, Aug. 2003.C. Trujillo and J. Garcia-Sucerquia, “Graphics Processing Units: More Than the Pathway to Realistic Video-Games,” Dyna, vol. 78, no. 168, pp. 164–172, 2011.L. Zheng, Y. Lu, M. Ding, Y. Shen, M. Guoz, and S. Guo, “Architecture-based Performance Evaluation of Genetic Algorithms on Multi/Many-core Systems,” in 2011 IEEE 14th International Conference on Computational Science and Engineering (CSE), 2011, pp. 321–334.V. Kalesnykiene, J. –. Kamarainen, R. Voutilainen, J. Pietilä, H. Kälviäinen, and H. Uusitalo, DIARETDB1 diabetic retinopathy database and evaluation protocol. 2012.Narendra V G and Hareesh K S, “Study and comparison of various image edge detection techniques used in quality inspection and evaluation of agricultural and food products by computer vision,” Int J Agric & Biol Eng, vol. 4, pp. 83–90.W. B. Langdon, “A Fast High Quality Pseudo Random Number Generator for nVidia CUDA,” in Proceedings of the 11th Annual Conference Companion on Genetic and Evolutionary Computation Conference: Late Breaking Papers, New York, NY, USA, 2009, pp. 2511–2514.Revista Ingenierías Universidad de Medellínhttp://creativecommons.org/licenses/by-nc-sa/4.0/Attribution-NonCommercial-ShareAlike 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2Revista Ingenierías Universidad de Medellín; Vol. 15, núm. 29 (2016); 173-1902248-40941692-3324Compute Unified Device ArchitectureOptic diskEvolutionary strategyRetinal imagesIngeniería de SistemasGPUDisco ópticoEstrategias evolutivasImágenes de retinaEstrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retinaA GPU-based Evolution Strategy for Optic Disk Detection in Retinal ImagesArticlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Artículo científicoinfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85Comunidad Universidad de MedellínLat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degreesLong: 075 36 00 W degrees minutes Long: -75.6000 decimal degreesTHUMBNAILRevista_Ingenierias_UdeM_296.pdf.jpgRevista_Ingenierias_UdeM_296.pdf.jpgIM Thumbnailimage/jpeg7443http://repository.udem.edu.co/bitstream/11407/3542/3/Revista_Ingenierias_UdeM_296.pdf.jpg02eb2010a5049c78dc5db6b40d7cf534MD53ORIGINALArticulo.htmltext/html497http://repository.udem.edu.co/bitstream/11407/3542/1/Articulo.htmlb747a7305f388dd275d8f98bf77ca57cMD51Revista_Ingenierias_UdeM_296.pdfRevista_Ingenierias_UdeM_296.pdfapplication/pdf1696616http://repository.udem.edu.co/bitstream/11407/3542/2/Revista_Ingenierias_UdeM_296.pdf9c40fc924103dc8f70bb3d0ec1de14e6MD5211407/3542oai:repository.udem.edu.co:11407/35422021-05-14 14:28:54.876Repositorio Institucional Universidad de Medellinrepositorio@udem.edu.co

Estrategia evolutiva basada en GPU para la detección del disco óptico en imágenes de retina

Publicaciones similares