拥有快速Gamma索引实施

Question

我和我的朋友正在编写我们自己的Gamma索引算法实现。对于标准尺寸的2d图片（512 x 512），它应该在1s内计算，但也可以计算3D图片;便于携带，易于安装和维护。

Gamma Index，如果您还没有遇到过此主题，则是一种比较图片的方法。在输入时我们提供两张图片（参考和目标）;每张图片由分布在常规细网格上的点组成;每个点都有位置和价值。作为输出，我们收到Gamma Index值的图片。对于目标图像的每个点，我们针对参考图片（原始版本）中的每个点或参考图片中的点计算一些函数（称为伽马），这些点最接近目标图片中的点（在版本中，通常用于伽玛指数计算软件）。某个目标点的Gamma指数是伽马函数计算的最小值。

到目前为止，我们已经尝试了以下结果：

• 使用GPU - 计算时间减少了10倍。问题是，在非nVidia显卡的机器上安装它相当困难
• 使用超级计算机或集群 - 问题在于维护此解决方案。此外，由于数据敏感性，每张图片都必须加密以便通过网络传输
• 通过一些额外的停止标准迭代通过它们到目标点的距离排序的点 - 这样我们在最佳条件下得到15秒（实际上并不是非常精确）
• 目前我们用Python编写，因为NumPy对矩阵计算进行了很棒的优化，但我们也对其他语言开放。

您是否有任何想法如何加速我们的算法，以实现目标？您是否认为可以获得这种性能水平？

有关感兴趣的人的更多有关地理标志的信息： http://lcr.uerj.br/Manual_ABFM/A%20technique%20for%20the%20quantitative%20evaluation%20of%20dose%20distributions.pdf