分布式环境下的医学图像处理平台研究

论文摘要

随着医学成像技术的发展,医学图像的成像质量越来越高,数据量也越来越大,导致医学图像处理对强大运算能力的处理环境的迫切需求,而分布式计算技术的高性能低成本的计算能力恰好能满足这种需求。因此,研究分布式环境下的医学图像处理技术具有重要意义。本文首先对分布式计算的消息传递、C/S、P2P、RPC、分布式对象和移动Agent等技术进行了研究,接着对中间件、集群、网格和WebService等几种技术以及Globus Tookit和PBS两大平台进行了比较研究,并选用PBS作为分布式计算的基础环境。其次,在Ubuntu下建立了基于Portable Batch System的,通过Torque套件实现的分布式计算环境,其中服务器安装了Pbs_Server和Schedule,计算节点安装了Pbs_Mom和Pbs_client;接着在该环境下对远程分发、作业的提交、Job Script的编写、资源申请、并行作业的实现、BLCR和Torque的连接以及作业的调度和管理等进行了研究。结果表明该系统可以正常的接受用户请求,同时具有完善的作业管理和调度能力。最后,设计和开发了分布式医学图像处理平台。该平台为三层架构,使用TCL语言和TK开发包进行开发。其中基础模块包括通用函数库common、建立绑定关系的bindings和基础资源描述库pbstcl;系统前端则包括大量窗体,对用户提供友好的图形界面。该平台通过与Torque接口的连接实现了医学图像处理作业的提交、管理、图像显示等诸多功能,还可以方便的实现非并行程序的分布式运行。通过串行和并行运行证明了处理平台的可用性,通过48小时、CPU平均占用率82%的连续高负载测试证明了处理平台的可靠性。并行性能数据则显示,与串行运行相比,当节点数为8时图像处理时间减少了86%,证明此平台可以显著提高医学图像处理的效率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景和意义
• 1.1.1 医学图像
• 1.1.2 医学图像处理
• 1.1.3 分布式医学图像处理
• 1.2 国内外研究现状
• 1.3 本文研究内容
• 第2章 分布式计算与相关技术
• 2.1 分布式计算概述
• 2.2 分布式计算常见模型
• 2.2.1 消息传递
• 2.2.2 C/S 模式
• 2.2.3 Peer to Peer
• 2.2.4 远程过程调用
• 2.2.5 分布式对象模式
• 2.2.6 移动Agent 模式
• 2.2.7 网络服务
• 2.3 典型的分布式计算技术
• 2.3.1 中间件
• 2.3.2 集群
• 2.3.3 网格
• 2.3.4 Web Service
• 2.3.5 几种技术的比较
• 2.4 典型的分布式计算平台
• 2.4.1 Globus
• 2.4.2 PBS
• 2.4.3 两个平台的比较
• 2.5 本章小结
• 第3章 建立分布式计算环境
• 3.1 硬件环境和操作系统
• 3.2 安装基于Torque 的分布式计算平台
• 3.2.1 Torque 简介
• 3.2.2 安装Torque
• 3.2.3 包的编译和安装
• 3.2.4 配置Server
• 3.2.5 配置计算节点
• 3.2.6 启动Torque 集群
• 3.3 作业提交
• 3.3.1 提交简单作业
• 3.3.2 使用命令脚本提交作业
• 3.3.3 提交多个作业
• 3.3.4 资源申请
• 3.4 作业管理
• 3.4.1 查看作业
• 3.4.2 删除作业
• 3.4.3 自动保存、挂起和恢复作业
• 3.5 本章小结
• 第4章 医学图像处理平台设计与开发
• 4.1 设计目标及系统架构
• 4.2 开发工具介绍
• 4.2.1 TCL 语言
• 4.2.2 TK 开发包
• 4.3 模块开发
• 4.3.1 基础模块开发
• 4.3.2 分布式医学图像处理平台主界面的建立
• 4.3.3 作业提交模块
• 4.3.4 作业管理模块
• 4.4 医学图像处理应用实例
• 4.4.1 任务简述
• 4.4.2 任务流程
• 4.4.3 结果分析
• 4.5 本章小结
• 结论
• 参考文献
• 攻读硕士期间发表的学术论文
• 致谢