GPU-Accelerated RSF Level Set Evolution for Large-Scale Microvascular Segmentation

要約

微小血管網は、共焦点顕微鏡やライトシート顕微鏡を含む、ほとんどの先進的な3次元イメージングモダリティにとって、回折限界に近い構造であるため、モデル化が困難である。これは、これらのネットワークの個々の構成要素が個々のピクセルの範囲内で変動するため、セマンティックなセグメンテーションを困難にしている。レベルセット法は、結果として得られるモデルに表面的・位相的制約を与えることでこの問題を解決するのに理想的であるが、これらの能動的輪郭法は非常に時間がかかり、テラバイト・スケールの画像には実用的ではない。我々は、SIMD（single-instruction multiple data）とSPMD（single-program multiple-data）の並列処理による3次元評価が可能な、RSF（region-scalable fitting）レベルセットモデルの再定式化と実装を提案する。これにより、グラフィックス処理装置（GPU）を用いて、データセットの独立した領域でレベルセット方程式を評価することが可能となり、高解像度ネットワークの大規模なセグメンテーションを実用的かつ安価に行うことができる。 この3次元並列RSFアプローチを、マイクロCT、ライトシート蛍光顕微鏡（LSFM）、ミリング顕微鏡など、微小血管データを取得するための最先端のイメージング技術を使用して取得した複数のデータセットでテストした。RSFモデルの性能と精度を評価するために、モンテカルロベースの検証手法を実施し、他のセグメンテーション手法と結果を比較した。また、並列ハードウェアを活用した処理速度の向上を示すために、厳密なプロファイリングを行った。本研究では、RSFモデルの実用的な応用を紹介し、特に微小血管モデルの構築に焦点を当てた、大規模な高トポロジーネットワーク構造のセグメンテーションという困難な領域におけるRSFモデルの有用性を強調する。

要約(オリジナル)

Microvascular networks are challenging to model because these structures are currently near the diffraction limit for most advanced three-dimensional imaging modalities, including confocal and light sheet microscopy. This makes semantic segmentation difficult, because individual components of these networks fluctuate within the confines of individual pixels. Level set methods are ideally suited to solve this problem by providing surface and topological constraints on the resulting model, however these active contour techniques are extremely time intensive and impractical for terabyte-scale images. We propose a reformulation and implementation of the region-scalable fitting (RSF) level set model that makes it amenable to three-dimensional evaluation using both single-instruction multiple data (SIMD) and single-program multiple-data (SPMD) parallel processing. This enables evaluation of the level set equation on independent regions of the data set using graphics processing units (GPUs), making large-scale segmentation of high-resolution networks practical and inexpensive. We tested this 3D parallel RSF approach on multiple data sets acquired using state-of-the-art imaging techniques to acquire microvascular data, including micro-CT, light sheet fluorescence microscopy (LSFM) and milling microscopy. To assess the performance and accuracy of the RSF model, we conducted a Monte-Carlo-based validation technique to compare results to other segmentation methods. We also provide a rigorous profiling to show the gains in processing speed leveraging parallel hardware. This study showcases the practical application of the RSF model, emphasizing its utility in the challenging domain of segmenting large-scale high-topology network structures with a particular focus on building microvascular models.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL