前列腺癌辅助诊断GPU并行算法设计

摘要：

在癌症高发的当代,前列腺癌作为男性特有的疾病,其发病率逐年升高.卷积神经网络因其在图像识别领域的强大性能而倍受关注,也非常适用于计算机辅助诊断(Computer Aided Design,CAN)领域.由于神经网络模型中通常包含大量参数,因此训练一个卷积神经网络十分耗时.如何加快神经网络的训练成为了深度学习领域中一个十分重要的问题.为了解决这个问题,一般采用多GPU并行方案.其中,数据同步在GPU性能均衡的情况下表现更佳.因此,文中借鉴已有的基于数据并行算法对前列腺三维卷积网络进行加速.

关键词：卷积网络、深度学习、多GPU并行、数据并行、神经网络

所属期刊栏目：46

分类号：G312(科学研究工作)

资助基金：国家自然科学基金61803035

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：524-527