在醫(yī)學(xué)影像技術(shù)及其交叉學(xué)科領(lǐng)域，有許多問題需要借助高性能計算才能得到解決，如醫(yī)學(xué)影像重建、放療劑量評估、影像基因組學(xué)等。中國科學(xué)院蘇州生物醫(yī)學(xué)工程技術(shù)研究所醫(yī)學(xué)影像室研究員高欣帶領(lǐng)的數(shù)字介入診療課題組，從2014年開展了云計算技術(shù)在醫(yī)學(xué)影像計算領(lǐng)域的應(yīng)用研究，取得了進(jìn)展，并已應(yīng)用于醫(yī)學(xué)影像的數(shù)據(jù)處理。以放療劑量評估為例，課題組成員劉仰川等針對在本地計算機(jī)上進(jìn)行放療劑量評估耗時嚴(yán)重的問題，開展了基于云計算加速的放療劑量評估研究。研究人員提出了利用在云計算平臺Amazon EC2上構(gòu)建Hadoop集群（見圖1），實現(xiàn)基于MapReduce的GATE仿真加速的方案（見圖2）。在該方案中，GATE是一款Monte Carlo仿真軟件，具備完善的放療劑量評估功能；Hadoop是一款開源軟件，它提供了分布式計算框架MapReduce，還提供了大數(shù)據(jù)儲存框架HDFS。

在云端Hadoop集群中，節(jié)點(diǎn)（又稱主機(jī)、實例）均來自同一個機(jī)器鏡像（Amazon Machine Image，AMI），且被分配了不同的角色，其中一個Master節(jié)點(diǎn)負(fù)責(zé)計算任務(wù)的分配、一個Secondary NameNode節(jié)點(diǎn)負(fù)責(zé)對Master節(jié)點(diǎn)進(jìn)行備份、多個Slave節(jié)點(diǎn)負(fù)責(zé)計算。本地計算機(jī)通過SSH通訊協(xié)議實現(xiàn)跟云端集群之間的數(shù)據(jù)上傳與下載。

在MapReduce框架中，包含Map和Reduce兩種任務(wù)，它們均在worker節(jié)點(diǎn)內(nèi)運(yùn)行，分別負(fù)責(zé)計算和合并。Map任務(wù)首先從HDFS中下載仿真代碼文件（sub-macro），再調(diào)用GATE進(jìn)行仿真，并將中間結(jié)果（sub-dose、sub-dose uncertainty）以鍵值對（key-value pairs）的形式發(fā)送出去。Reduce任務(wù)將具有相同鍵（key）的中間結(jié)果合并，并將最終結(jié)果傳輸至HDFS。

為了驗證基于MapReduce的GATE仿真加速方案的有效性，科研人員構(gòu)建了18MeV的X光束入射水模實驗，分別進(jìn)行了本地單線程仿真、云端多集群仿真、云端多光束強(qiáng)度仿真、以及集群可靠性仿真。實驗中，作為云計算加速的典型結(jié)果，含有64個worker節(jié)點(diǎn)的集群，相對單個worker節(jié)點(diǎn)集群和本地計算機(jī)，分別取得了41倍和32倍的加速比。該方案除了能應(yīng)用于醫(yī)學(xué)影像領(lǐng)域外，還可應(yīng)用于生物醫(yī)學(xué)領(lǐng)域的諸多方面，如基因測序、蛋白質(zhì)分析等。

上述研究成果發(fā)表在Australasian Physical & Engineering Sciences in Medicine上。

該研究工作得到了國家自然科學(xué)基金、中科院科研裝備研制項目及蘇州科技計劃項目的資助。

 

圖1.云端Hadoop集群構(gòu)建示意圖

 

圖2.基于MapReduce的GATE仿真加速方案