Grid computing
Dotaz
Zobrazit nápovědu
Today, applications for Grids emerge in various scientific fields, each with specific requirements. We present concept and architecture which enables biomedical experts to collaborate and share resources by encapsulating their knowledge and expertise as grid services, with (semi-)formally described semantics. Grid Services allow machine processing of the encapsulated knowledge, while their semantic description provides means for their automated discovery and interaction. This brings new possibilities of building biomedical systems offering machine-driven assistance to the biomedical experts.
- MeSH
- databáze jako téma organizace a řízení MeSH
- financování organizované MeSH
- lékařská informatika MeSH
- šíření informací MeSH
- Geografické názvy
- Evropa MeSH
... 124 vi -- Contents -- 3.5 Coefficients of the Interpolating Polynomial 129 -- 3.6 Interpolation on a Grid ... ... Entropy (All-Poles) -- Method 681 -- 13.8 Spectral Analysis of Unevenly Sampled Data 685 -- 13.9 Computing ... ... -- 20.6 Multigrid Methods for Boundary Value Problems 1066 -- 20.7 Spectral Methods 1083 -- 21 Computational ...
3rd ed. xxi, 1235 s. : il. ; 27 cm + 1 CD-ROM
- MeSH
- matematické výpočty počítačové MeSH
- matematika MeSH
- numerická analýza pomocí počítače * MeSH
- Publikační typ
- monografie MeSH
Infrastruktura jako služba, tedy infrastruktura poskytovaná zákazníkovi formou služby poskytovatele, je jedním z modelu nasazení tzv. cloud computingu, který umožňuje využít datovou a výpočetní kapacitu v cloudu jako množinu fyzických či virtuálních zařízení. Infrastruktura jako služba může být poskytována zvlášť každému výzkumnému projektu a přitom sdílet stejné fyzické kapacity zapojených počítačů a zařízení. V současné době je testováno poskytování infrastruktury jako služby několika projektům v rámci aktivit sdružení CESNET, 1. lékařské fakulty Univerzity Karlovy v Praze (1. LF UK) a Hudební a taneční fakulty Akademie múzických umění v Praze (HAMU). Současný výzkum v oblasti výpočetní fyziologie je náročný na výpočetní kapacitu. Výpočetní úlohy jsou distribuovány počítačům, které jsou poskytovány infrastrukturou. Projekt v oblasti analýzy lidského hlasu je náročný na propustnost počítačové sítě mezi akustickým a video zařízením na lokální straně a analytickou aplikací na straně výkonného serveru. Tento příspěvek popisuje hlavní vlastnosti a výzvy pro infrastruktury určené pro takovýto typ aplikací. Infrastruktura jako model nasazení v rámci cloud computingu může být vhodná pro mezioborové týmy a pro spolupráci a integraci vysoce specializovaných softwarových aplikací.
Infrastructure as a service (infrastructure which is offered to a customer in the form of service of the provider) is a deployment model which allows utilize data and computing capacity of a cloud as a set of virtual devices and virtualized machines. Infrastructure as a service can be offered separately to each project. The same capacity of connected physical machines and devices can be shared. Currently, the concept of an Infrastructure as a service is tested on several projects within activity of the CESNET association, First Faculty of Medicine, Charles University, Prague and Musical and Dance Faculty of Academy of Performing Arts in Prague. The current research in the field of computation physiology is demanding on a high computation capacity. The computation tasks are distributed to computers, which are provided by the infrastructure. The project in the field of the analysis of a human voice is demanding on high throughput of a computer network between an acoustic or video device on the local side and an analytic application on the remote high performance server side. This paper describes features and main challenges for infrastructure dedicated for such a type of an application. Infrastructure as a deployment model of cloud computing might be beneficial for a multi domain team and for collaboration and integration of a high specialized software application.
- Klíčová slova
- infrastruktura jako služba, virtualizace, virtualizace, výpočetní fyziologie, identifikace fyziologických systémů, validace fyziologických systémů, protokol vzdálené plochy, grid computing, hlasové pole,
- MeSH
- biomedicínské technologie MeSH
- cloud computing MeSH
- financování organizované MeSH
- počítačové komunikační sítě organizace a řízení trendy využití MeSH
- počítačové systémy trendy využití MeSH
- využití lékařské informatiky MeSH
- MeSH
- financování organizované MeSH
- lidé MeSH
- lokální počítačové sítě využití MeSH
- počítačová rentgenová tomografie využití MeSH
- počítačové komunikační sítě organizace a řízení přístrojové vybavení využití MeSH
- počítačové metodologie MeSH
- počítačové systémy využití MeSH
- programovací jazyk MeSH
- software MeSH
- ultrasonografie využití MeSH
- Check Tag
- lidé MeSH
Sdílení výpočetní kapacity ve vysokorychlostních počítačových sítích otevírá nové možnosti pro komplexní zpracování dat v oblasti biomedicíny. Nutnou podmínkou pro takové zpracování dat je však existence dostatečně flexibilních nástrojů pro jejich indexování. vývoj posledních let naznačuje, že takovými nástroji by mohly být ontologické systémy, navazující na systémy klasifikace medicínských pojmů.
V návaznosti na budovanou vysokorychlostní síťovou infrastrukturu CESNET2 se zvětšují možnosti aplikací, které mohou v takovém prostředí pracovat. Jedním ze směrů, které navazují na výzkum v oblasti multimediálních aplikací většinou pro technické a umělecké obory, je využití stereoskopických prezentací v medicíně. Druhá sledovaná oblast souvisí s výpočetními 3D modely. Tato část je natolik obsáhlá, že je prezentována v samostatné přednášce [1]. Třetí oblastí je rozšiřování specializované infrastruktury pro medicínské aplikace v návaznosti na technologie gridu a virtualizace. Tuto část řešíme hlavně v souvislosti s rozvojem systémů PACS. Čtvrtá oblast zájmu reaguje na nejnovější medicínské technologie. Ve spolupráci s Pardubickou krajskou nemocnicí, HAMU a ÚVN je připravována podpora nových zajímavých projektů v oblasti ORL medicíny.
Providing secure, extensible, pervasive and easy to implement collaborative environment for medical applications poses significant challenge for state-of-the-art computer systems and networks. In this paper, we describe such a collaborative environment developed for Ithanet project, based on Grid authentication mechanisms. Significant effort has been put into developing a system, that is capable of deployment across tightly secured networking environments as implemented in vast majority of hospitals. The environment is extensible enough to incorporate Grid-service based collaborative systems like AccessGrid.
... 3.2.3 LAN 183 -- 3.2.4 Protokoly aplikační vrstvy 184 -- 3.3 Architektura klient-server 192 -- 3.3.1 Grid ...
1. vyd. 427 s. : il. ; 21 cm
Čtvrtý díl edice Biomedicínská informatika pojednává o různých typech dat a znalostí se kterými se můžeme v této oblasti setkat. Data a znalosti představují klíčový prvek pro kvantifikaci informace v každé oblasti. Není tomu jinak ani v biomedicíně a zdravotnictví.
Decellularized tissue is an important source for biological tissue engineering. Evaluation of the quality of decellularized tissue is performed using scanned images of hematoxylin-eosin stained (H&E) tissue sections and is usually dependent on the observer. The first step in creating a tool for the assessment of the quality of the liver scaffold without observer bias is the automatic segmentation of the whole slide image into three classes: the background, intralobular area, and extralobular area. Such segmentation enables to perform the texture analysis in the intralobular area of the liver scaffold, which is crucial part in the recellularization procedure. Existing semi-automatic methods for general segmentation (i.e., thresholding, watershed, etc.) do not meet the quality requirements. Moreover, there are no methods available to solve this task automatically. Given the low amount of training data, we proposed a two-stage method. The first stage is based on classification of simple hand-crafted descriptors of the pixels and their neighborhoods. This method is trained on partially annotated data. Its outputs are used for training of the second-stage approach, which is based on a convolutional neural network (CNN). Our architecture inspired by U-Net reaches very promising results, despite a very low amount of the training data. We provide qualitative and quantitative data for both stages. With the best training setup, we reach 90.70% recognition accuracy.
- MeSH
- játra * diagnostické zobrazování MeSH
- neuronové sítě MeSH
- počítačové zpracování obrazu * MeSH
- sémantika * MeSH
- Publikační typ
- dopisy MeSH