Cristin-resultat-ID: 1921104
Sist endret: 14. juli 2021, 09:31
NVI-rapporteringsår: 2021
Resultat
Vitenskapelig artikkel
2021

Highly Efficient and Scalable Framework for High-Speed Super-Resolution Microscopy

Bidragsytere:
  • Quan Do
  • Sebastian Andres Acuña Maldonado
  • Jon Ivar Kristiansen
  • Krishna Agarwal og
  • Hoai Phuong Ha

Tidsskrift

IEEE Access
ISSN 2169-3536
e-ISSN 2169-3536
NVI-nivå 1

Om resultatet

Vitenskapelig artikkel
Publiseringsår: 2021
Publisert online: 2021
Volum: 9
Sider: 97053 - 97067
Open Access

Importkilder

Scopus-ID: 2-s2.0-85110411851

Klassifisering

Vitenskapsdisipliner

Datateknologi • Simulering, visualisering, signalbehandling, bildeanalyse

Emneord

Parallellprogrammering • Optimering

Beskrivelse Beskrivelse

Tittel

Highly Efficient and Scalable Framework for High-Speed Super-Resolution Microscopy

Sammendrag

The multiple signal classification algorithm (MUSICAL) is a statistical super-resolution technique for wide-field fluorescence microscopy. Although MUSICAL has several advantages, such as its high resolution, its low computational performance has limited its exploitation. This paper aims to analyze the performance and scalability of MUSICAL for improving its low computational performance. We first optimize MUSICAL for performance analysis by using the latest high-performance computing libraries and parallel programming techniques. Thereafter, we provide insights into MUSICAL’s performance bottlenecks. Based on the insights, we develop a new parallel MUSICAL in C++ using Intel Threading Building Blocks and the Intel Math Kernel Library. Our experimental results show that our new parallel MUSICAL achieves a speed-up of up to 30.36x on a commodity machine with 32 cores with an efficiency of 94.88%. The experimental results also show that our new parallel MUSICAL outperforms the previous versions of MUSICAL in Matlab, Java, and Python by 30.43x, 2.63x, and 1.69x, respectively, on commodity machines.

Bidragsytere

Quan Do

  • Tilknyttet:
    Forfatter
    ved Institutt for informatikk ved UiT Norges arktiske universitet

Sebastian Andres Acuna Maldonado

Bidragsyterens navn vises på dette resultatet som Sebastian Andres Acuña Maldonado
  • Tilknyttet:
    Forfatter
    ved Institutt for fysikk og teknologi ved UiT Norges arktiske universitet

Jon Ivar Kristiansen

  • Tilknyttet:
    Forfatter
    ved Institutt for informatikk ved UiT Norges arktiske universitet

Krishna Agarwal

  • Tilknyttet:
    Forfatter
    ved Institutt for fysikk og teknologi ved UiT Norges arktiske universitet

Hoai Phuong Ha

  • Tilknyttet:
    Forfatter
    ved Institutt for informatikk ved UiT Norges arktiske universitet
1 - 5 av 5