什么是医学成像应用的瓶颈算法？

Question

医学影像应用的计算瓶颈算法是什么？我们试图弄清楚在常规云服务器实例或GPU加速服务器实例上运行这些算法是否有好处。

Answer 1

除非软件专门针对GPU处理能力进行设计，否则GPU加速实例的性能与普通商用服务器实例大致相同，但价格较高。

我愿意赌博并说任何算法的瓶颈，无论是否是医疗，成像或不是你可以在CPU上投入数据的速率，核心数量和时钟速率。

获得一些快速的CPU，快速的RAM，快速的条带/镜像存储，以及那样做。

我怀疑你可能会发现在“云端”上运行实际上是反直觉的，或者至少会适得其反，因为许多云服务提供商都没有调整他们的存储后端以满足高性能计算的需要，但更多为群众提供一点IO。

我认为使用自有专用硬件会更好，这样，您可以花更多的时间和金钱来有效地调整硬件堆栈以匹配您的软件堆栈。任何云服务提供商（包括亚马逊）都会给您一些折衷和妥协。

哦，不要忘记不要放你所有的eggs in one basket.当亚马逊离线时会发生什么，没有人可以检查任何X射线，或者在亚马逊上放置heart monitoring application的可怜的笨蛋云实例和亚马逊在大规模停电中脱机。

除了云托管的妥协，冗余和恢复供应商中断的问题，而不是将关键基础架构放在云上之外，还有其他问题围绕着应用程序本身的架构。它会线性扩展吗？

我打赌它不会。

Answer 2

通过针对Cloud Server实例提供类似GPU的实现，您可以看到大型FPS differences [1、2]，用于在大型（例如，CR）图像上进行操作。但是，另一方面，GPU可能会占用大量内存，因此会延迟并持续丢失。因此，Cloud Server解决方案可能会更稳定，而不会出现那么多的辍学和更流畅的感觉，但FPS更低。

[1]张乐全等。 “用于小动物成像的高频，高帧频双工超声线性阵列成像系统。” IEEE在超声，铁电和频率控制方面的交易57.7（2010年）。

[2] Miguez，D.等。 “关于可变帧间间隔的技术说明，这是超声中非生理实验伪像的原因。”皇家学会开放科学4.5（2017）：170245。