Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Υλοποίηση σε αναδιατασσόμενη λογική συστήματος πρόγνωσης εξέλιξης όγκου

Malavazos Konstantinos

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/02E4CAF2-A8AD-4804-A044-0627A7B0ED17-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.77771-
Γλώσσαen-
Μέγεθος110 pagesen
ΤίτλοςImplementation of a tumor growth prediction system in reconfigurable logicen
ΤίτλοςΥλοποίηση σε αναδιατασσόμενη λογική συστήματος πρόγνωσης εξέλιξης όγκουel
ΔημιουργόςMalavazos Konstantinosen
ΔημιουργόςΜαλαβαζος Κωνσταντινοςel
Συντελεστής [Επιβλέπων Καθηγητής]Papaefstathiou Ioannisen
Συντελεστής [Επιβλέπων Καθηγητής]Παπαευσταθιου Ιωαννηςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Dollas Apostolosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Δολλας Αποστολοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Zervakis Michailen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Ζερβακης Μιχαηλel
Συντελεστής [Συν-Επιβλέπων]Papadogiorgaki Mariaen
Συντελεστής [Συν-Επιβλέπων]Παπαδογιωργακη Μαριαel
Συντελεστής [Συν-Επιβλέπων]Malakonakis Pavlosen
Συντελεστής [Συν-Επιβλέπων]Μαλακωνακης Παυλοςel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
ΠεριγραφήMaster Thesis submitted to the Department of Electrical and Computer Engineering of the Technical University of Crete for the degree of Master of Scienceen
ΠερίληψηIn the last few years, the biomedical community is increasingly taking advantage of the increasing computational power, both to manage and analyze data and to model biological processes. Biomedical software applications usually require significant computational power, especially when they include the processing and analysis of large amounts of data, such as medical image sequences. This Master Thesis targets the acceleration of three different mathematical models, which are developed in the Technical University of Crete to model and predict the spatio-temporal evolution of glioma, using Reconfigurable Logic. Glioma is a rapidly evolving type of brain cancer, well known for its aggressive and diffusive behavior. The modeling applications presented in this Thesis fall under the category of multi-compartmental continuum approaches and aim to simulate the spatio-temporal evolution of a glioma tumor in an isotropic and heterogeneous brain tissue, which consists of different anatomic structures. The first model is the Oxygen-Glucose Diffusion-Proliferation 2D Model, simulating the proliferative cells and the necrotic core as a result of hypoxic and hypoglycemic-cells death, in single MRI images. The second is the Simple Diffusion-Proliferation 3D Model, which simulates only the proliferative cells in a sequence of MRI slices. The last is the Oxygen-Glucose Diffusion-Proliferation 3D Model, which simulates the same behaviors of the glioma as the 2D Model, in a sequence of MRI slices. The hardware acceleration is achieved using the Trenz platform, model TE0808 UltraSOM, which consists of a Xilinx Zynq UltraScale+ FPGA and an ARM Cortex A-53. The FPGA implementations of these Models are compared with the corresponding OpenMP software implementations on two different high-end Server systems, with up to 40 threads (Hyper-Threading). The results showed that the FPGA accelerators achieved runtime speedup and are up to 14 times more power efficient.en
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by-nc-sa/4.0/en
Ημερομηνία2018-07-09-
Ημερομηνία Δημοσίευσης2018-
Θεματική ΚατηγορίαHLSen
Θεματική ΚατηγορίαHigh-level synthesis (HLS)en
Θεματική ΚατηγορίαRuntime speedupen
Θεματική ΚατηγορίαEnergy efficiencyen
Θεματική ΚατηγορίαBiomedical applicationen
Θεματική ΚατηγορίαMRI imagesen
Θεματική ΚατηγορίαGliomaen
Θεματική ΚατηγορίαHardware accelerationen
Θεματική ΚατηγορίαTumor growth prediction modelen
Θεματική ΚατηγορίαReconfigurable logicen
Θεματική ΚατηγορίαBandwidthen
Θεματική ΚατηγορίαHigh Performance Computingen
Θεματική ΚατηγορίαHPCen
Θεματική ΚατηγορίαSystem on Chipen
Θεματική ΚατηγορίαSoCen
Θεματική ΚατηγορίαField-Programmable Gate Arrayen
Θεματική ΚατηγορίαFPGAen
Βιβλιογραφική ΑναφοράKonstantinos Malavazos, "Implementation of a tumor growth prediction system in reconfigurable logic", Master Thesis, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2018el
Βιβλιογραφική ΑναφοράΚωνσταντίνος Μαλαβάζος, "Υλοποίηση σε αναδιατασσόμενη λογική συστήματος πρόγνωσης εξέλιξης όγκου", Μεταπτυχιακή Διατριβή, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2018el

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά