性能计算

2020年6月29日机构名称:

高性能计算环境中脑映射的主动学习管道

摘要 —本文介绍了一种可扩展的主动学习管道原型，用于利用高性能计算能力进行大规模脑映射。它可以对算法结果进行高吞吐量评估，经过人工审核后，用于迭代机器学习模型训练。图像处理和机器学习在批处理层中执行。使用 pMATLAB 对图像处理进行基准测试表明，吞吐量可以提高 100 倍（10,000%），而 Xeon-G6 CPU 上的总处理时间仅增加 9%，Xeon-E5 CPU 上的总处理时间仅增加 22%，这表明可扩展性很强。图像和算法结果通过服务层提供给基于浏览器的用户界面进行交互式审查。该管道有可能大大减轻手动注释负担，并提高基于机器学习的脑映射的整体性能。索引词 —主动学习、脑映射、高性能计算、神经元分割、轴突追踪

查看详细