Vastagbél daganatok diagnosztikájának automatizálása
|
|
- Rudolf Fazekas
- 8 évvel ezelőtt
- Látták:
Átírás
1 Budapesti Műszaki Főiskola Neumann János Informatikai Kar Vastagbél daganatok diagnosztikájának automatizálása Projektnév: Colon Készítők: Bándi István (W9D47U) Reményi Attila (YELLJ8) 2008.
2 Tartalomjegyzék 1. BEVEZETÉS PROBLÉMALEÍRÁS: MEGOLDÁS: CÉLKITŰZÉS: A VASTAGBÉL SZERKEZETE, BETEGSÉGEI A VASTAGBÉL A VASTAGBÉL NYÁLKAHÁRTYA (MUCOSA) A VASTAGBÉL BETEGSÉGEI [2] Gyulladásos betegségek: A diszplázia: ELŐZMÉNYEK CUDA (COMPUTE UNIFIED DEVICE ARCHITECHTURE) CUDA ALAPJAI A GPU ÉS A PÁRHUZAMOS PROGRAMOZÁS PROGRAMOZÁSI MODELL [9] A szálak hierarchiája AZ OPTIMÁLIS ALGORITMUS: FELHASZNÁLT IRODALOM
3 1. Bevezetés 1.1. Problémaleírás Napjainkban a szövetminták mikroszkopikus vizsgálata túlnyomórészt manuálisan történik. A kutatónak, vagy orvosnak a mikroszkóp fölé kell hajolnia, egy kényelmetlen testhelyzetben, szemével a mikroszkópban végtelenbe kell fókuszálnia, majd a jegyzeteire tekintve közelre, ez a szemnek és az agynak megterhelő. Egy minta manuális kielemzése, akár több 10 percet is igénybe vehet, így egy teljes mintasor elemzése fárasztó, valamint sok időt és energiát emészt fel. Arról nem is beszélve, hogy az orvos is ember, így pár órás munka után, a fáradtsági faktor miatt megnő a valószínűsége, hogy a mintából hibás diagnózist állít fel. A probléma egy másik olvasata a gazdaságosság. A költségek csökkentése érdekében a kórházak, kutatóintézetek sok esetben csökkentik a laboratóriumok, ill. a kutatók, orvosok számát. Ez a módszer a költségeket látszólagosan csökkenti, mert a túlterheltség miatt megnő a hibaarány. Egy laboratóriumban sokféle mintát elemeznek, ezek vizsgálata különböző módszert igényel, mi a vastagbél daganatok diagnosztikájára koncentrálunk Megoldás A problémára megoldást nyújt egy szövettani immundiagnosztikai kiértékelő és speciálisan a vastagbél daganatok differenciáldiagnosztikáját, prognosztikáját támogató szoftvercsomag. A program feladata szöveti képek számítógépes feldolgozása. A szoftver a 3DHistech Kft. által több év óta fejlesztett MIRAX szoftver termékcsaláddal együttműködve hatékony módon képes a digitális szöveti képeket elemezni. A számítógépes elemzés megteremti annak a lehetőségét, hogy az eredmények nem a teljes szöveti mintára vonatkozóan kerülnek kiszámításra, hanem csak az orvosi szempontból érdekes szövetekre. A feladat során két módszer alkalmazása merül fel: HE (Haematoxylin and Eosin) festés esetén hám detekció elvégzése morfológiai paraméterek alapján (felszíni hám, mirigy detekció), ill. autofluoreszcencia segítségével. A szöveti képek feldolgozását követően diagnosztikai elemzés készül a szegmentált szövettípusokra a diagnosztikai paraméterek alapján célzottan az ép, gyulladásos, hyperplasztikus és daganatos elváltozások azonosítására. 2
4 1.3. Célkitűzés A szövetkomponensek felismerését és szegmentációját támogató algoritmusok implementálása. A szoftver használatát segítő grafikus felhasználói felület tervezése. Meghatározásra kerülnek a diagnosztikai elemzéshez szükséges, ill. indikátorként alkalmazható paraméterek definiálása és kvantitatív értékeik meghatározása, melyek segítségével a szoftver a későbbiekben döntéstámogatást biztosíthatna az orvos felhasználók számára. Paraméter kidolgozás, klasszifikációs algoritmus fejlesztés és optimalizálása. A szoftver használatához és továbbfejlesztéséhez szükséges dokumentációs anyagok kialakítása. A kialakított szoftvercsomag tesztelése. Az algoritmusnak képesnek kell lennie: -HE festett rutin metszetek analízisére: felszíni hám, mirigyek, lamina muscularis, submucosa azonosítására -HE festett metszetek autofluoreszcenciás analízisére: hám, mirigy struktúrák, lamina musculáris, submucosa azonosítására -hámon belüli sejttípusok azonosítására -hám és szöveti struktúrák azonosítására -ép, gyulladásos, daganatos szöveti strukturák megkülönböztetésére. A szoftver képfeldolgozó algoritmusait, a gyorsabb futás érdekében, az nvidia által megalkotott CUDA technológiát felhasználva fogjuk implementálni. Ez a technológia kiválóan alkalmas a számítás intenzív, jól párhuzamosítható feladatok, így a képfeldolgozás felgyorsítására. A CUDA-val kihasználható a számítógépekben lévő, eddig leginkább megjelenítésre használt GPU-k számítási kapacitása. Ezzel a program futása gyorsabb, és (a CPU tehermentesítése miatt) használata kényelmesebb lesz. A szoftver kevésbé időkritikus részeit, C#-ban, a.net keretrendszert felhasználva fogjuk megvalósítani. 3
5 2. A vastagbél szerkezete, betegségei 2.1. A vastagbél A vastagbél az emésztőrendszer utolsó szakasza, átmérője átlagosan 5-6 cm, hossza cm [4]. Bélrendszer feladatai a táplálék emésztése, felvétele, felszívása és az emészthetetlen salakanyag külvilágra juttatása. A vastagbélrák az egyik leggyakoribb daganatfajta, Magyarországon évente új megbetegedést diagnosztizálna, amivel a 2. leggyakoribb daganat a tüdőrák után. A vastagbél szöveti szerkezetét az alábbi ábra szemlélteti. A bél lumene 1. ábra Vastagbél szöveti szerkezete [3] Mivel a vastagbél daganat a nyálkahártyából mucosa fejlődik ki, ennek a felépítését részletesebben is megvizsgáljuk A vastagbél nyálkahártya (mucosa) A vastagbél nyálkahártyája az alábbi rétegekből épül fel[3]: hámsejt réteg propria réteg: a nyálkahártya kötőszöveti rétege [1] 4
6 lamina muscolaris mucosae: nyálkahártya izomrétege 2. ábra Vastagbél nyálkahártyájának szerkezete [3] A hámréteg jellemzője, hogy a sejtek közötti távolság kicsi, szorosan egymás mellet helyezkednek el, megnyúlt hasáb alakúak, és sejtmagjaik egyvonalban vannak [2]. A nyálkahártyába betüremkedő képződmények mirigyek, melyek feladata, hogy nyák termelésével síkosítsák a vastagbél falát. A mirigyek alsó részén egy osztódó sejtréteg, a germinatív vagy generatív réteg található. 5
7 Mirigy Hám 3. ábra Hámréteg, és egy mirigy Az egészséges nyálkahártya tulajdonságai [3]: a nyálkahártya felszíne sima a mirigyek sűrűsége 6-8 db / mm a mirigyek mérete normális, a nyálkahártyáig érnek, irányultságuk párhuzamos, és nem ágaznak el csak a mirigy alsó részén található osztódó sejtréteg sejtjeik száma és felépítése normális a kötőszövetben és az izomrétegben nincs elváltozás 2.3. A vastagbél betegségei [2] Egy egészséges vastagbél nyálkahártya sejt daganatos elváltozását több ok is előidézheti. Az elváltozás hatására a sejt bizonyos tulajdonságai megváltoznak, így képes lesz magát kivonni a saját, és a környező sejtek növekedési kontrolja alól. Ezek a sejtek új populációt hoznak létre, és a túlnövik a környezetüket, ún. polip vagy hiperplázia jön létre. A hiperplázia azt jelenti, hogy a sejtek normálisnál ugyan gyorsabban szaporodnak, de felépítésük nem változik. Ha a folyamat itt nem áll meg, diszplázia alakul ki, amikor már a sejtek szerkezetében is változások történnek. Később ebből alakulhat ki a rák Gyulladásos betegségek A vastagbél gyulladásos betegségei a rák kialakulásának szempontjából fontosak, hosszabb ideig tartó gyulladás esetén megnő a rák kockázata. A gyulladás a hámsejtek szerkezetének megváltozásával jár, ami elősegíti a mutációt, és így áttételesen a rák kialakulását. A gyulladt nyálkahártya az alábbiakban különbözik az egészségestől: a nyálkahártya felszíne megváltozik 6
8 a mirigyek sűrűsége csökken a mirigyek párhuzamos, egyenes lefutása megváltozik A nyálkahártya felületének simasága megszűnik, bizonyos helyeken kitüremkedések, máshol hámsejthiány, bemaródás alakul ki. A mirigyek sűrűsége az 7-8 db / mm-ről 4-5 db / mm-re csökken, a távolság közöttük megnő. Nemcsak a mirigyek helyzete, de a szerkezetük is drasztikusan megváltozik: a mirigyek párhuzamossága megszűnik, átmérőjük megváltozik. a mirigyek egyenes lefutása megszűnik, elágazások jönnek létre az izomréteg és a mirigy alapja közötti távolság megnő, és mirigyenként különbözik A gyulladás során a kötőszövetben propira réteg is elváltozások jelennek meg, a sejtek száma megnő, egészséges egyenletes eloszlásuk megváltozik. Ez minden vastagbél gyulladás esetén megjelenik, a fent felsorolt morfológia változások nem feltétlenül! 4. ábra A mirigyek párhuzamossága megszűnik 7
9 5. ábra A mirigyekben elágazások jelennek meg 6. ábra Az izomréteg és a mirigyek alapja közti távolság megnő, és mirigyenként különbözik 8
10 A diszplázia A diszplázia által okozott elváltozások túlnyomórészt megegyeznek a gyulladás által okozottakkal, de a diszplázia a gyulladástól függetlenül is kialakulhat. A diszpláziából közvetlenül is kialakulhat rákos daganat. A diszplázia az alábbi elváltozásokat okozza (a gyulladásnál már megismerteken kívül): a hámréteg sejtmagjai megnyúlnak, sűrűn helyezkednek el nincsenek egy vonalban a sejtmagok megnagyobbodnak, alakjuk megváltozik a sejtmagok jobban festődnek a mirigyek generatív sejtrétege megvastagszik, és a sejt felsőbb részein is megjelenhet 7. ábra A generatív réteg a sejt felső részén is megjelenik 9
11 3. Előzmények Rendszerünktől azt reméljük, hogy használatával jelentősen megkönnyíthetjük az orvosok munkáját azzal, hogy a vizsgált mintákon lévő struktúrákat elkülönítünk egymástól és meghatározzuk azok mennyiség paramétereit (területét, kerületét, legrövidebb-leghosszabb átmérőjét). Léteznek már olyan rendszerek, melyek képesek sejtek detektálására, azok paramétereinek meghatározására. Ezen rendszerek működésének alapja két fő algoritmus melyek célja a képek szegmentálása. Ezen algoritmusoknak segítségével meghatározzuk a kép gradiensét, ebből megállapíthatóak az objektumok szegélyei. A szegélyeket pixel vastagságúra konvertáljuk. [5] Mivel célunk egy olyan orvost támogató rendszer kiépítése, amellyel lehetőségünk nyílik nem sejt, hanem szöveti szinten végezni a vizsgálatokat, és a kapott eredményeket összefüggéseiben értékelni, ezért ez a megoldás nem elégíti ki teljes mértékben célkitűzéseinket, így más megoldást kell keresnünk. Létező szövet diagnosztikai rendszereket használnak manapság nőgyógyászati szűrések során vett minták feldolgozására. Mammográfiai felvételek alapján detektálják a daganatot, az így kapott mintákban csak a sejtmagok vannak jelen, megfosztva természetes környezetüktől. Ez azért nem előnyős számunkra, mert mint később látni fogjuk, két minta bonyolultsági foka jelentős mértékben eltérhet, ezért ezek az algoritmusok jelen esetben nem képesek megfelelő hatékonysággal működni. Az Amerikai Élelmiszer- és Gyógyszerhatóság (Food and Drug Administration) 2004-ben hagyott jóvá egy olyan eljárást, amelynek segítségével az orvosok meg tudják becsülni a vérben keringő tumorsejtek számát. A vérben talált tumorsejtek számából jól lehet következtetni a betegség fázisára illetve jó módszer egy gyógyítási mód sikerességének ellenőrzésére. A módszer nagy előnye hogy könnyen hozzáférhető testfolyadékból képes tumoros sejteket kiszűrni. Az eredeti módszer önmagában nem használható, mert sejtek vérből való kinyerésének hatásfoka nagyon alacsonynak bizonyult. A módszert úgy módosították, hogy a vért vékony kapilláriscsöveken préselték át. A kapilláriscsövek felszínére olyan antitestet kötöttek, amely a hámsejtek egyik jellemző sejtfelszíni fehérjéjével reagál, így a hámeredetű tumorsejtek - például tüdő- és emlődaganatok esetében - a csövekben ragadtak és összegyűltek. Így elegendő mennyiségű és jó minőségű izolált sejt állna rendelkezésre a további vizsgálatokhoz Egy másik módszer olyan antitesteket használ melyek fluoreszcens tulajdonságúak, így láthatóvá teszik a daganatos sejteket lézersugárzás segítségével. Előnye, hogy ezzel az eljárással nem csak kis mennyiségű mintából, hanem a teljes váráramból következtethetünk a daganatos sejtek számára. Ezen módszerek használhatóságát megkérdőjelezi az a tény, hogy daganatok vérből való kimutatása csak akkor lehetséges, ha a daganat már olyan helyre is betört ahol erek vannak, tehát amíg csupán a hámréteget érinti, addig ezekkel a módszerekkel nem lehet a vastagbélrákot kimutatni. A vérben talált daganatos sejtek számából nem lehet következtetést levonni a daganat és az áttétek helyére sem. 10
12 A rák jól kezelhető korai fázisban (Dukes A, vagy B stádium), ilyenkor pusztán sebészeti eljárást alkalmaznak. Dukes C, D stádiumban már áttétképzés is van. ekkor sebészeti, és kemo, vagy sugárterápát alkalmaznak esetleg kombinálva.[3] A vérben való kimutathatóság fontos idővesztést jelent tudva azt, hogy a vastagbélrák kialakulásának időtartama általában 5-10 év között van. Vastagbélrák esetén ezt az időt meg tudjuk spórolni, ha endoszkópos vizsgálatot, alkalmazunk. Mintavételezés történhet bélsárból is, de ez vér tartalmú ételek fogyasztása esetén hamis eredményt adhat. Igazán megbízható eredmény kizárólag szövettani mintából adható. A szövettani elemzés sok lehetőséget nyújt új, egymástól nagyon eltérő algoritmusok kifejlesztésére, használatára. A kvantitatív paraméterek meghatározása már bevált módszer a mikroszkópos képek digitális analízisére. A módszer minden esetben egy adott környezetben és egy adott problématerületen alkalmazható. A kvantitatív paramétereket főleg nagy nagyításban (kb. 400x) vizsgáljuk. Jó ötletnek tűnik megvizsgálni a feldolgozandó képeket más felbontásban is. A minta alacsonyabb felbontásban (kb. 200x) jó inputot jelent az architektúrális vizsgálatokhoz. Peter W. Hamilton és munkatársai egy új módszert alkalmaztak diszpláziás területek detektálására. Neurális hálózatokkal vizsgálták a képeket minden egyéb alacsony szintű képanalízis és képszegmentálás nélkül.[6] Ezt a digitális médiát használva ugyanazon a mintán vizsgálhatjuk a szövet architektúrális felépítését, valamint a benne található mirigyeket, follikulusokat és a sejtalkotókat (sejtmag citoplazma) is. A fent említett algoritmusok önmagukban nem nyújtanak kielégítő eredményt ezért a már meglévő algoritmusok kombinációjára és újak kifejlesztésére van szükség. 11
13 4. CUDA (Compute Unified Device Architechture) 4.1. CUDA alapjai A CUDA egy párhuzamos programozási modell és szoftverkörnyezet, amely a nem grafikus jellegű feladatok számára is megnyitja a GPU-ban rejlő számítási teljesítményt [8]. Egy CUDA kompatibilis GPU-nak több száz magja van, és ezek több ezer párhuzamos szálat képesek futtatni. Mindegyik mag hozzáfér megosztott erőforrásokhoz: regiszterekhez, chipre integrált memóriához. Ez lehetővé teszi, hogy az egyes taszkok adatot osszanak meg egymás között, anélkül hogy a rendszer memória buszát használniuk kéne. A CUDA támogatja, hogy egy program párhuzamosan fusson a GPU-n és a CPU-n. Így egy szoftver egyes részeit a CPU futtathatja, míg a jól párhuzamosítható részeit párhuzamosan a GPU. A CUDA előnye, hogy a már megszokott és elterjedt C nyelvhez képest kevés kiterjesztést, módosítást tartalmaz A GPU és a párhuzamos programozás A piac kielégíthetetlen igénye a valós idejű, nagy felbontású 3D grafika iránt vezetett oda, hogy a programozható GPU egy erősen párhuzamosított, sokmagos processzorrá fejlődött, óriási számítási teljesítménnyel és memória sávszélességgel [9]. Napjainkban egy GPU lebegőpontos számítási teljesítménye és memória sávszélessége sokszorosan meghaladja egy CPU-ét. 8. ábra: Lebegőpontos számítási teljesítmény [9] 12
14 9. ábra: Memória sávszélesség [9] A különbség oka az, hogy a GPU-t számítás intenzív, párhuzamos feladatok végrehajtására specializálták, ezért több tranzisztort szenteltek az adatfeldolgozásra, mint a folyamatirányításra és a gyorsítótárakra. 10. ábra: CPU ill. GPU vázlatos felépítése [9] Mivel ugyanazt az algoritmust hajtjuk végre minden egyes adatelemen, nincs szükség annyira kifinomult folyamatirányításra, mint a CPU-nál. A CUDA programozási modellje jól illeszkedik a párhuzamos feldolgozásra optimalizált GPU-hoz. 13
15 A párhuzamos adatfeldolgozás lényege, hogy a párhuzamosan futó szálakhoz, a teljes feldolgozandó adat egy-egy adatelemét rendeljük, és mindegyik adatelemen ugyanazt a műveletet hajtjuk végre. Ebből adódik a felhasználási terület is: 3D renderelés, képfeldolgozás, videó kódolás és dekódolás, ahol egy adatelem egy pixel, vagy egy vertex. Elrugaszkodva a megjelenítéstől, még több felhasználási területet találhatunk: jelfeldolgozás, fizikai, kémiai, biológiai folyamatok szimulációja, orvosi informatikai, pénzügy Programozási modell [9] A CUDA a C nyelvet az alábbi elemekkel egészíti ki: függvény típusokkal, amikkel meghatározhatjuk, hogy egy függvény hol fusson, és honnan legyen hívható (CPU vagy GPU) változó típusokkal, amikkel meghatározhatjuk egy változó helyét a GPU memóriájában a kernel hívási direktívájával négy beépített változóval, amikkel meghatározhatók a grid és a blokk dimenziói, valamint a blokkok és a szálak indexei A kernel egy olyan függvény, amit a CPU hív, de a GPU hajt végre, hívásakor meg kell adnunk, hogy hány párhuzamos szálon szeretnénk egyszerre futtatni. A kernelre az alábbi megszorítások érvényesek: csak a GPU memóriáját érheti el nem lehet visszatérési értéke (void) nem lehet rekurzív a statikus változók használata nem megengedett A GPU szálak ún. könnyű szálak, létrehozásukhoz, és a szálak közti váltásokhoz szükséges idő jóval kevesebb, mint a CPU-n futatott szálak esetén, és kevésbé erőforrás igényesek. Egy kernel hívása az alábbi módon történik: kernelnnév<<<griddim, blockdim, memsize,>>>(paraméterek) A griddim-mel és a blockdim-mel a szálak hierarchiáját határozhatjuk meg, a memsize-zal pedig az osztott memória méretét; ez opcionális. A griddim és a blockdim típusa dim3, ami a CUDA egy beépített típusa: vektor, ami egy-, kettő- vagy háromelemű A szálak hierarchiája A szálak hierarchiáját az alábbi ábra szemlélteti: 14
16 11. ábra: Szálhierarchia [7] A szálakat un. blokkokba rendezzük. Minden blokk ugyanannyi szálat tartalmaz, ezek számát és dimenzióit adjuk meg a blockdim-mel a kernel hívásakor. Egy blokkban a szálakat egy, kettő vagy három dimenzióba rendezhetjük, egy blokk a mai GPU-k esetén maximum 512 szálat tartalmazhat. Minden blokknak külön osztott memóriája van, így csak az azonos blokkban lévő szálak képesek ezen keresztül együttműködni. A griddim-mel a blokkok számát és dimenzióit határozhatjuk meg, ahol a dimenziók száma maximum 2, a blokkok száma dimenziónként A kernelek egy gridben futnak, és egy GPU egy időben csak egy kernelt futtathat. Egy mag egy időben egy blokkot futtat, de tartozhat hozzá több blokk is, ilyenkor sorban futtatja őket. A blokkok és a blokkon belüli szálak száma kritikus a futási idő szempontjából, de számukat mindig az aktuálisan feldolgozni kívánt adat struktúrájához kell igazítani, és nem a hardverhez. A hardver osztja be, hogy melyik blokkot, melyik maghoz rendeli. 12. ábra: Blokkok kiosztása a magokhoz különböző GPU-knál (Device) [7] 4.4. Az optimális algoritmus: Nyilvánvaló, hogy ugyanannak a feladatnak a megoldásához teljesen más szemlélet és algoritmus szükséges akkor, ha a CPU helyett a GPU-t használjuk. Ennek oka az architektúrális különbségekben keresendő. Szeretnék visszautalni a már korábban leírtakra: a GPU-n csak a jól párhuzamosítható feladatok oldhatók meg hatékonyan. Azonban ezek is csak akkor, ha az algoritmussal tényleg képesek vagyunk kihasználni a GPU nyújtotta 15
17 előnyöket, és optimalizáljuk. Az optimális algoritmus fogalma azonban nem triviális, feladatonként más és más szempontokat kell figyelembe venni, ezért csak bizonyos ajánlásokat tudunk megfogalmazni [7]: törekedni kell, hogy a feladatot a lehető legkisebb párhuzamosan elvégezhető részfeladatokra bontsuk szét az algoritmus tervezésénél törekedni kell arra, hogy a GPU minél több időt töltsön a matematikai számításokkal, adatmásolás helyett gyakran érdemesebb újraszámolni, mint eltárolni o 3. ábra: több tranzisztor foglalkozik számolással, mint tárolással 16
18 5. Felhasznált irodalom 1.: Fehér György: A háziállatok funkcionális anatómiája, Mezőgazda Kiadó, : Röhlich Pál: Szövettan. Egyetemi Tankönyv, Budapest : Valcz Gábor, Az ép és a beteg vastagbél szövettani felépítése, l_szovettani_szerkezete.pdf, október 4: Mairass Márta, Vastagbélrák, l_szovettani_szerkezete.pdf, október 5: Ficsor Levente: Colonbiopsziás hisztológiai metszetek számítógéppel automatizált kiértékelése, : Levente Ficsor, Viktor Varga, Lajos Berczi, Pal Miheller, Attila Tagscherer, Mark Licheng Wu, Zsolt Tulassay, Bela Molnar: Automated Virtual Microscopy of Gastric Biopsies, : Introductory CUDA trainin courses: Volume1, Introduction to CUDA programming, 8.: CUDA 2.0 Quickstart Guide for Windows, Beta2/docs/CUDA_2_Quickstart_Guide.pdf 9.: CUDA 2.0 Programming Guide for Windows, g_guide_2.0.pdf 17
GPU-Accelerated Collocation Pattern Discovery
GPU-Accelerated Collocation Pattern Discovery Térbeli együttes előfordulási minták GPU-val gyorsított felismerése Gyenes Csilla Sallai Levente Szabó Andrea Eötvös Loránd Tudományegyetem Informatikai Kar
RészletesebbenOpenCL - The open standard for parallel programming of heterogeneous systems
OpenCL - The open standard for parallel programming of heterogeneous systems GPU-k általános számításokhoz GPU Graphics Processing Unit Képalkotás: sok, általában egyszerű és független művelet < 2006:
RészletesebbenVASTAGBÉL DAGANATOK DIAGNOSZTIKÁJÁNAK AUTOMATIZÁLÁSA
Budapesti Műszaki Főiskola Neumann János Informatikai Kar Szoftvertechnológia Intézet TUDOMÁNYOS DIÁKKÖRI DOLGOZAT VASTAGBÉL DAGANATOK DIAGNOSZTIKÁJÁNAK AUTOMATIZÁLÁSA Szerzők: Bándi István mérnők informatikus
RészletesebbenA CUDA előnyei: - Elszórt memória olvasás (az adatok a memória bármely területéről olvashatóak) PC-Vilag.hu CUDA, a jövő technológiája?!
A CUDA (Compute Unified Device Architecture) egy párhuzamos számításokat használó architektúra, amelyet az NVIDIA fejlesztett ki. A CUDA valójában egy számoló egység az NVIDIA GPU-n (Graphic Processing
RészletesebbenPárhuzamos és Grid rendszerek
Párhuzamos és Grid rendszerek (10. ea) GPGPU Szeberényi Imre BME IIT Az ábrák egy része az NVIDIA oktató anyagaiból és dokumentációiból származik. Párhuzamos és Grid rendszerek BME-IIT
RészletesebbenFlynn féle osztályozás Single Isntruction Multiple Instruction Single Data SISD SIMD Multiple Data MISD MIMD
M5-. A lineáris algebra párhuzamos algoritmusai. Ismertesse a párhuzamos gépi architektúrák Flynn-féle osztályozását. A párhuzamos lineáris algebrai algoritmusok között mi a BLAS csomag célja, melyek annak
RészletesebbenBETEGTÁJÉKOZTATÓ Genetikai szűrés lehetőségei az Országos Onkológiai Intézetben
Norvég Finanszírozási Mechanizmus által támogatott projekt mus által támogatott projekt BETEGTÁJÉKOZTATÓ Genetikai szűrés lehetőségei az Országos Onkológiai Intézetben Kedves Betegeink! A daganatokról
Részletesebben"A tízezer mérföldes utazás is egyetlen lépéssel kezdődik."
"A tízezert mérföldes utazás is egyetlen lépéssel kezdődik dik." A BINB INSYS Előadók: Kornafeld Ádám SYS PROJEKT Ádám MTA SZTAKI kadam@sztaki.hu Kovács Attila ELTE IK attila@compalg.inf.elte.hu Társszerzők:
RészletesebbenÓbudai Egyetem. Doktori (PhD) értekezés. Adatpárhuzamos sejtmagkeresési eljárás fejlesztése és paramétereinek optimalizálása Szénási Sándor
Óbudai Egyetem Doktori (PhD) értekezés Adatpárhuzamos sejtmagkeresési eljárás fejlesztése és paramétereinek optimalizálása Szénási Sándor Témavezető: Vámossy Zoltán, PhD Alkalmazott Informatikai Doktori
RészletesebbenGrafikus csővezeték 1 / 44
Grafikus csővezeték 1 / 44 Grafikus csővezeték Vertex feldolgozás A vertexek egyenként a képernyő térbe vannak transzformálva Primitív feldolgozás A vertexek primitívekbe vannak szervezve Raszterizálás
RészletesebbenMagas szintű optimalizálás
Magas szintű optimalizálás Soros kód párhuzamosítása Mennyi a várható teljesítmény növekedés? Erős skálázódás (Amdahl törvény) Mennyire lineáris a skálázódás a párhuzamosítás növelésével? S 1 P 1 P N GPGPU
RészletesebbenTeljesítmény Mérés. Tóth Zsolt. Miskolci Egyetem. Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés / 20
Teljesítmény Mérés Tóth Zsolt Miskolci Egyetem 2013 Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés 2013 1 / 20 Tartalomjegyzék 1 Bevezetés 2 Visual Studio Kód metrikák Performance Explorer Tóth Zsolt
RészletesebbenDr. habil. Maróti György
infokommunikációs technológiák III.8. MÓDSZER KIDOLGOZÁSA ALGORITMUSOK ÁTÜLTETÉSÉRE KIS SZÁMÍTÁSI TELJESÍTMÉNYŰ ESZKÖZÖKBŐL ÁLLÓ NÉPES HETEROGÉN INFRASTRUKTÚRA Dr. habil. Maróti György maroti@dcs.uni-pannon.hu
RészletesebbenIntelligens partner rendszer virtuális kórházi osztály megvalósításához
Intelligens partner rendszer virtuális kórházi osztály megvalósításához 1. Célkitűzések A pályázat célja egy virtuális immunológiai osztály kialakítása, amelynek segítségével a különböző betegségekkel
RészletesebbenSzenzorhálózatok programfejlesztési kérdései. Orosz György
Szenzorhálózatok programfejlesztési kérdései Orosz György 2011. 09. 30. Szoftverfejlesztési alternatívák Erőforráskorlátok! (CPU, MEM, Energia) PC-től eltérő felfogás: HW közeli programozás Eszközök közvetlen
RészletesebbenSzámítógép-rendszerek fontos jellemzői (Hardver és Szoftver):
B Motiváció B Motiváció Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver): Helyesség Felhasználóbarátság Hatékonyság Modern számítógép-rendszerek: Egyértelmű hatékonyság (például hálózati hatékonyság)
RészletesebbenLeica ST5020. Többfunkciós Festőautomata
Leica ST5020 Többfunkciós Festőautomata Leica ST5020 többfunkciós Festőautomata páratlan rugalmassággal a jobb eredmények eléréséért A Leica ST5020 többfunkciós festőautomata bevezetésével egy új teljesítményszint
RészletesebbenOpenCL alapú eszközök verifikációja és validációja a gyakorlatban
OpenCL alapú eszközök verifikációja és validációja a gyakorlatban Fekete Tamás 2015. December 3. Szoftver verifikáció és validáció tantárgy Áttekintés Miért és mennyire fontos a megfelelő validáció és
RészletesebbenÖnálló labor beszámoló Képek szegmentálása textúra analízis segítségével. MAJF21 Eisenberger András május 22. Konzulens: Dr.
Önálló labor beszámoló Képek szegmentálása textúra analízis segítségével 2011. május 22. Konzulens: Dr. Pataki Béla Tartalomjegyzék 1. Bevezetés 2 2. Források 2 3. Kiértékelő szoftver 3 4. A képek feldolgozása
RészletesebbenSzámítógépek felépítése
Számítógépek felépítése Emil Vatai 2014-2015 Emil Vatai Számítógépek felépítése 2014-2015 1 / 14 Outline 1 Alap fogalmak Bit, Byte, Word 2 Számítógép részei A processzor részei Processzor architektúrák
RészletesebbenIman 3.0 szoftverdokumentáció
Melléklet: Az iman3 program előzetes leírása. Iman 3.0 szoftverdokumentáció Tartalomjegyzék 1. Az Iman rendszer...2 1.1. Modulok...2 1.2. Modulok részletes leírása...2 1.2.1. Iman.exe...2 1.2.2. Interpreter.dll...3
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenHadházi Dániel.
Hadházi Dániel hadhazi@mit.bme.hu Orvosi képdiagnosztika: Szerepe napjaink orvoslásában Képszegmentálás orvosi kontextusban Elvárások az adekvát szegmentálásokkal szemben Verifikáció és validáció lehetséges
RészletesebbenÚj lehetőségek a tumoros emlőanyagok patológiai feldolgozásában
Új lehetőségek a tumoros emlőanyagok patológiai feldolgozásában Dr. Lippai Norbert Hetényi Géza Kórház, Szolnok Múlt és jelen Szakmai irányelvek a műtéti preparátumot az eltávolítás után azonnal (maximum
RészletesebbenMit látnak a robotok? Bányai Mihály Matemorfózis, 2017.
Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017. Vizuális feldolgozórendszerek feladatai Mesterséges intelligencia és idegtudomány Mesterséges intelligencia és idegtudomány Párhuzamos problémák
RészletesebbenRendszámfelismerő rendszerek
Problémamegoldó szeminárium Témavezető: Pataki Péter ARH Zrt. ELTE-TTK 2013 Tartalomjegyzék 1 Bevezetés 2 Út a megoldás felé 3 Felmerült problémák 4 Alkalmazott matematika 5 További lehetőségek Motiváció
RészletesebbenRubin SPIRIT TEST. Rubin firmware-ek és hardverek tesztelése esettanulmány V1.0. Készítette: Hajnali Krisztián Jóváhagyta: Varga József
Rubin firmware-ek és hardverek tesztelése esettanulmány V1.0 Készítette: Hajnali Krisztián Jóváhagyta: Varga József Rubin Informatikai Zrt. 1149 Budapest, Egressy út 17-21. telefon: +361 469 4020; fax:
RészletesebbenKészítette: Trosztel Mátyás Konzulens: Hajós Gergely
Készítette: Trosztel Mátyás Konzulens: Hajós Gergely Monte Carlo Markov Chain MCMC során egy megfelelően konstruált Markov-lánc segítségével mintákat generálunk. Ezek eloszlása követi a céleloszlást. A
RészletesebbenGPGPU alapok. GPGPU alapok Grafikus kártyák evolúciója GPU programozás sajátosságai
GPGPU alapok GPGPU alapok Grafikus kártyák evolúciója GPU programozás sajátosságai Szenasi.sandor@nik.uni-obuda.hu GPGPU alapok GPGPU alapok Grafikus kártyák evolúciója GPU programozás sajátosságai Szenasi.sandor@nik.uni-obuda.hu
RészletesebbenDSD DSD. Az új Nemzeti Rákregiszter előnyei kutatói szempontból. Kovács László Szentirmay Zoltán Surján György Gaudi István Pallinger Péter
MTA SZTAKI Department of Distributed Systems Az új Nemzeti Rákregiszter előnyei kutatói szempontból Kovács László Szentirmay Zoltán Surján György Gaudi István Pallinger Péter Nemzeti regiszterek Európában
RészletesebbenBánhelyi Balázs, Csendes Tibor, Palatinus Endre és Lévai. Szeptember 28-30, 2011, Balatonöszöd, Hungary
optimalizáló eljárás, Csendes Tibor, Palatinus Endre és Lévai Balázs László Szegedi Tudományegyetem Szeptember 28-30, 2011, Balatonöszöd, Hungary Közmegvilágítási feladat Adott egy megvilágítandó terület,
RészletesebbenDIGITÁLIS MIKROSZKÓPIA AZ EMÉSZTŐRENDSZERI SZÖVETI
DIGITÁLIS MIKROSZKÓPIA AZ EMÉSZTŐRENDSZERI SZÖVETI MINTÁK DIAGNOSZTIKÁJÁBAN Doktori tézisek Ficsór Levente Semmelweis Egyetem, 2. sz. Belgyógyászati Klinika Klinikai Orvostudományok Doktori Iskola Programvezető:
RészletesebbenGrafikonok automatikus elemzése
Grafikonok automatikus elemzése MIT BSc önálló laboratórium konzulens: Orosz György 2016.05.18. A feladat elsődleges célkitűzései o eszközök adatlapján található grafikonok feldolgozása, digitalizálása
RészletesebbenSTATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenVI. Népegészségügyi Konferencia, Megnyitó 2015.
VI. Népegészségügyi Konferencia, Megnyitó 2015. Jubileumi V. Sikeresen Teljesült Évad / 2010-2011 - 2012-2013 - 2014 / Központi vastagbéldaganat rizikó felmérési kérdőív 2012-2013-14. évi eredményei Dr.
RészletesebbenKépi információk hatékony feldolgozása széles társadalmi rétegeket érintő egészségügyi problémákban
Képi információk hatékony feldolgozása széles társadalmi rétegeket érintő egészségügyi problémákban Hajdu András Debreceni Egyetem, Informatikai Kar 2. Magyar Jövő Internet Konferencia Budapest, 2015.
RészletesebbenIsmerkedjünk tovább a számítógéppel. Alaplap és a processzeor
Ismerkedjünk tovább a számítógéppel Alaplap és a processzeor Neumann-elvű számítógépek főbb egységei A részek feladatai: Központi egység: Feladata a számítógép vezérlése, és a számítások elvégzése. Operatív
RészletesebbenC# Szálkezelés. Tóth Zsolt. Miskolci Egyetem. Tóth Zsolt (Miskolci Egyetem) C# Szálkezelés 2013 1 / 21
C# Szálkezelés Tóth Zsolt Miskolci Egyetem 2013 Tóth Zsolt (Miskolci Egyetem) C# Szálkezelés 2013 1 / 21 Tartalomjegyzék 1 Bevezetés 2 Szálkezelés 3 Konkurens Programozás Tóth Zsolt (Miskolci Egyetem)
RészletesebbenAz MTA Cloud a tudományos alkalmazások támogatására. Kacsuk Péter MTA SZTAKI
Az MTA Cloud a tudományos alkalmazások támogatására Kacsuk Péter MTA SZTAKI Kacsuk.Peter@sztaki.mta.hu Tudományos alkalmazások és skálázhatóság Kétféle skálázhatóság: o Vertikális: dinamikusan változik
RészletesebbenSzámítógép architektúra
Budapesti Műszaki Főiskola Regionális Oktatási és Innovációs Központ Székesfehérvár Számítógép architektúra Dr. Seebauer Márta főiskolai tanár seebauer.marta@roik.bmf.hu Irodalmi források Cserny L.: Számítógépek
RészletesebbenDIGITÁLIS KÉPANALÍZIS KÉSZÍTETTE: KISS ALEXANDRA ELÉRHETŐSÉG:
DIGITÁLIS KÉPANALÍZIS KÉSZÍTETTE: KISS ALEXANDRA ELÉRHETŐSÉG: kisszandi@mailbox.unideb.hu ImageJ (Fiji) Nyílt forrás kódú, java alapú képelemző szoftver https://fiji.sc/ Számos képformátumhoz megfelelő
RészletesebbenOPERÁCIÓS RENDSZEREK. Elmélet
1. OPERÁCIÓS RENDSZEREK Elmélet BEVEZETÉS 2 Az operációs rendszer fogalma Az operációs rendszerek feladatai Csoportosítás BEVEZETÉS 1. A tantárgy tananyag tartalma 2. Operációs rendszerek régen és most
Részletesebbenpt1 colorectalis adenocarcinoma: diagnózis, az invázió fokának meghatározása, a daganatos betegség ellátása (EU guideline alapján)
pt1 colorectalis adenocarcinoma: diagnózis, az invázió fokának meghatározása, a daganatos betegség ellátása (EU guideline alapján) Szentirmay Zoltán Országos Onkológiai Intézet Daganatpatológiai Centrum
RészletesebbenA keringı tumor markerek klinikai alkalmazásának aktuális kérdései és irányelvei
A keringı tumor markerek klinikai alkalmazásának aktuális kérdései és irányelvei A TM vizsgálatok alapkérdései A vizsgálatok célja, információértéke? Az alkalmazás területei? Hogyan válasszuk ki az alkalmazott
RészletesebbenNagyszerű képminőség. Az SCI tisztább képet ad a többszögű összetett nyaláb kivetítés által növelt kontraszt felbontással.
All- in-one Nagyszerű képminőség Az E-CUBE 7 jelenti a következő mérföldkövet az E-Cube sorozat fejlődésében, beépített képalkotó technológiája a képek egységességével, nagy felbontással és vizsgálati
RészletesebbenA felhőről általában. Kacsuk Péter MTA SZTAKI
A felhőről általában Kacsuk Péter MTA SZTAKI Miért fontos a felhő? (I) Problémák, ha az infrastruktúra még nem létezik Az ötletek megvalósításához szükséges idő Kutatás a felhők előtt 1. Van egy jó ötlet
RészletesebbenVideókártya - CUDA kompatibilitás: CUDA weboldal: Példaterületek:
Hasznos weboldalak Videókártya - CUDA kompatibilitás: https://developer.nvidia.com/cuda-gpus CUDA weboldal: https://developer.nvidia.com/cuda-zone Példaterületek: http://www.nvidia.com/object/imaging_comp
RészletesebbenProgramozási nyelvek a közoktatásban alapfogalmak I. előadás
Programozási nyelvek a közoktatásban alapfogalmak I. előadás Szempontok Programozási nyelvek osztályozása Felhasználói kör (amatőr, professzionális) Emberközelség (gépi nyelvektől a természetes nyelvekig)
RészletesebbenSzámítógépes döntéstámogatás. Genetikus algoritmusok
BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as
RészletesebbenI. A DIGITÁLIS ÁRAMKÖRÖK ELMÉLETI ALAPJAI
I. A DIGITÁLIS ÁRAMKÖRÖK ELMÉLETI ALAPJAI 1 A digitális áramkörökre is érvényesek a villamosságtanból ismert Ohm törvény és a Kirchhoff törvények, de az elemzés és a tervezés rendszerint nem ezekre épül.
RészletesebbenKÖSZÖNTJÜK HALLGATÓINKAT!
2010. november 10. KÖSZÖNTJÜK HALLGATÓINKAT! Önök Dr. Horváth Zoltán Módszerek, amelyek megváltoztatják a világot A számítógépes szimuláció és optimalizáció jelentősége c. előadását hallhatják! 1 Módszerek,
RészletesebbenKERINGÉS, LÉGZÉS. Fejesné Bakos Mónika egyetemi tanársegéd
KERINGÉS, LÉGZÉS Fejesné Bakos Mónika egyetemi tanársegéd Az erek általános felépítése Tunica intima: Endothel sejtek rétege, alatta lamina basalis. Subendothel réteg : laza rostos kötőszövet, valamint
RészletesebbenHORMONKEZELÉSEK. A hormonkezelés típusai
HORMONKEZELÉSEK A prosztatarák kialakulásában és progressziójában kulcsszerepük van a prosztatasejtek növekedését, működését és szaporodását elősegítő férfi nemi hormonoknak, az androgéneknek. Az androgének
RészletesebbenGenomikai Medicina és Ritka Betegségek Intézete Semmelweis Egyetem
Tisztelt Hölgyem, Tisztelt Uram! Örömmel jelentjük be Önöknek, hogy a Genomikai Medicina és Ritka Betegségek Intézetének egyik új projektje azon betegségek genetikai hátterének feltérképezésére irányul,
RészletesebbenGépi tanulás a gyakorlatban. Bevezetés
Gépi tanulás a gyakorlatban Bevezetés Motiváció Nagyon gyakran találkozunk gépi tanuló alkalmazásokkal Spam detekció Karakter felismerés Fotó címkézés Szociális háló elemzés Piaci szegmentáció analízis
RészletesebbenMáté: Számítógépes grafika alapjai
Történeti áttekintés Interaktív grafikai rendszerek A számítógépes grafika osztályozása Valós és képzeletbeli objektumok (pl. tárgyak képei, függvények) szintézise számítógépes modelljeikből (pl. pontok,
RészletesebbenProcesszusok (Processes), Szálak (Threads), Kommunikáció (IPC, Inter-Process Communication)
1 Processzusok (Processes), Szálak (Threads), Kommunikáció (IPC, Inter-Process Communication) 1. A folyamat (processzus, process) fogalma 2. Folyamatok: műveletek, állapotok, hierarchia 3. Szálak (threads)
RészletesebbenInformatika Rendszerek Alapjai
Informatika Rendszerek Alapjai Dr. Kutor László Alapfogalmak Információ-feldolgozó paradigmák Analóg és digitális rendszerek jellemzői Jelek típusai Átalakítás rendszerek között http://uni-obuda.hu/users/kutor/
RészletesebbenAz áramlási citométer és sejtszorter felépítése és működése, diagnosztikai alkalmazásai
Az áramlási citométer és sejtszorter felépítése és működése, diagnosztikai alkalmazásai Az áramlási citométer és sejtszorter felépítése és működése Kereskedelmi forgalomban kapható készülékek 1 Fogalmak
RészletesebbenProgramozási nyelvek 6. előadás
Programozási nyelvek 6. előadás Szempontok Programozási nyelvek osztályozása Felhasználói kör (amatőr, professzionális) Emberközelség (gépi nyelvektől a természetes nyelvekig) Számítási modell (hogyan
RészletesebbenESZKÖZTÁMOGATÁS A TESZTELÉSBEN
ESZKÖZTÁMOGATÁS A TESZTELÉSBEN MUNKAERŐ-PIACI IGÉNYEKNEK MEGFELELŐ, GYAKORLATORIENTÁLT KÉPZÉSEK, SZOLGÁLTATÁSOK A DEBRECENI EGYETEMEN ÉLELMISZERIPAR, GÉPÉSZET, INFORMATIKA, TURISZTIKA ÉS VENDÉGLÁTÁS TERÜLETEN
RészletesebbenÁRAMKÖRÖK SZIMULÁCIÓJA
ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg
RészletesebbenProgramozás alapjai Bevezetés
Programozás alapjai Bevezetés Miskolci Egyetem Általános Informatikai Tanszék Programozás alapjai Bevezetés SWF1 / 1 Tartalom A gépi kódú programozás és hátrányai A magas szintÿ programozási nyelv fogalma
RészletesebbenEmészt rendszer szövettana 2. Dobó Endre
Emészt rendszer szövettana 2 Dobó Endre Oesophagus > tunica mucosa (nyálkahártya) > tela submucosa / tunica submucosa > tunica muscularis > tunica adventitia > kivéve a pars abdominalis oesophagei-t, mert
RészletesebbenSzimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)
Szimuláció RICHARD M. KARP és AVI WIGDERSON A Fast Parallel Algorithm for the Maximal Independent Set Problem című cikke alapján (Készítette: Domoszlai László) 1. Bevezetés A következőkben megadott algoritmus
RészletesebbenHaladj vele E-CUBE inno
Haladj vele E-CUBE inno Korszakalkotó külső E-CUBE inno Az Alpinion E-CUBE még innovatívabb technológiát vezet be a külső megjelenés és a szoftverkörnyezet folyamatos fejlesztésével. Az E-CUBE sorozat
RészletesebbenEngedélyszám: /2011-EAHUF Analitika követelménymodul szóbeli vizsgafeladatai
1. feladat A műtőből olyan szövettani minták kerülnek a patológiai osztályra, melyek nincsenek kellően előkészítve. Magyarázza el a főműtősnőnek a minta előkészítésének fontosságát! Hívja fel a figyelmét
RészletesebbenA kehelysejtek szerepe a radon expozícióra adott sugárválaszban
A kehelysejtek szerepe a radon expozícióra adott sugárválaszban Drozsdik Emese, Madas Balázs Gergely MTA Energiatudományi Kutatóközpont Környezetfizikai Laboratórium XLII. Sugárvédelmi Továbbképző Tanfolyam
RészletesebbenBig Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez
Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez Szármes Péter doktorandusz hallgató Széchenyi István Egyetem, MMTDI Dr. Élő Gábor egyetemi docens, Széchenyi István
RészletesebbenUtolsó módosítás:
Utolsó módosítás: 2011. 09. 08. 1 A tantárggyal kapcsolatos adminisztratív kérdésekkel Micskei Zoltánt keressétek. 2 3 4 5 6 7 8 9 10 11 12 13 14 Erősen buzzword-fertőzött terület, manapság mindent szeretnek
RészletesebbenRadon leányelemek depozíciója és tisztulása a légzőrendszerből
Radon leányelemek depozíciója és tisztulása a légzőrendszerből Füri Péter, Balásházy Imre, Kudela Gábor, Madas Balázs Gergely, Farkas Árpád, Jókay Ágnes, Czitrovszky Blanka Sugárvédelmi Továbbképző Tanfolyam
RészletesebbenNorvég Finanszírozási Mechanizmus által támogatott projekt HU-0115/NA/2008-3/ÖP-9 ÚJ TERÁPIÁS CÉLPONTOK AZONOSÍTÁSA GENOMIKAI MÓDSZEREKKEL
Norvég Finanszírozási Mechanizmus által támogatott projekt HU-0115/NA/2008-3/ÖP-9 ÚJ TERÁPIÁS CÉLPONTOK AZONOSÍTÁSA GENOMIKAI MÓDSZEREKKEL KÖZÖS STRATÉGIA KIFEJLESZTÉSE MOLEKULÁRIS MÓDSZEREK ALKALMAZÁSÁVAL
RészletesebbenDIGITÁLIS TEREPMODELL A TÁJRENDEZÉSBEN
DIGITÁLIS TEREPMODELL A TÁJRENDEZÉSBEN DR. GIMESI LÁSZLÓ Bevezetés Pécsett és környékén végzett bányászati tevékenység felszámolása kapcsán szükségessé vált az e tevékenység során keletkezett meddők, zagytározók,
RészletesebbenDinamikus programozás - Szerelőszalag ütemezése
Dinamikus programozás - Szerelőszalag ütemezése A dinamikus programozás minden egyes részfeladatot és annak minden részfeladatát pontosan egyszer oldja meg, az eredményt egy táblázatban tárolja, és ezáltal
RészletesebbenÖsszetett programozási tételek
Összetett programozási tételek 3. előadás Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2011. szeptember 19. Sergyán (OE NIK) AAO 03 2011. szeptember
RészletesebbenAz emésztôrendszer károsodásai. Lonovics János id. Dubecz Sándor Erdôs László Juhász Ferenc Misz Irén Irisz. 17. fejezet
Az emésztôrendszer károsodásai Lonovics János id. Dubecz Sándor Erdôs László Juhász Ferenc Misz Irén Irisz 17. fejezet Általános rész A fejezet az emésztôrendszer tartós károsodásainak, a károsodások
RészletesebbenCLOSER TO YOU. Intraorális képalkotás A DIGITÁLIS VILÁG ELŐNYEI
CLOSER TO YOU Intraorális képalkotás A DIGITÁLIS VILÁG ELŐNYEI Intraorális képalkotás Páciens kényelem és könnyű használat A lemez mérete és a pozicionálás megegyezik a tradicionális kisfilmes eljárással,
RészletesebbenIntelligens beléptetõ rendszerek - RFID hengerzárárbetétek
Intelligens beléptetõ rendszerek - RFID hengerzárárbetétek Intelligent Key Entry Önálló mûködésû (stand alone) RFID zárbetétek Általános tudnivalók Az IK-EC8/EC8K/EC8U nagy precíziós, jó minõségû rozsdamentes
Részletesebben2354-06 Nőgyógyászati citodiagnosztika követelménymodul szóbeli vizsgafeladatai
1. feladat A laboratóriumba vendég érkezik. Tájékoztassa a rákmegelőzés lehetőségeiről! Ismertesse a citológiai előszűrő vizsgálatok lényegét! - a primer és szekunder prevenció fogalma, eszközei - a citológia
RészletesebbenFeladat. Bemenő adatok. Bemenő adatfájlok elvárt formája. Berezvai Dániel 1. beadandó/4. feladat 2012. április 13. Például (bemenet/pelda.
Berezvai Dániel 1. beadandó/4. feladat 2012. április 13. BEDTACI.ELTE Programozás 3ice@3ice.hu 11. csoport Feladat Madarak életének kutatásával foglalkozó szakemberek különböző településen különböző madárfaj
RészletesebbenII. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László
A kockázat alapú felülvizsgálati és karbantartási stratégia alkalmazása a MOL Rt.-nél megvalósuló Statikus Készülékek Állapot-felügyeleti Rendszerének kialakításában II. rész: a rendszer felülvizsgálati
RészletesebbenNemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával
Nemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával 1 1 Eötvös Loránd Tudományegyetem, Informatikai Kar Kari TDK, 2016. 05. 10. Tartalom 1 2 Tartalom 1 2 Optimalizálási
RészletesebbenA számítógépek felépítése. A számítógép felépítése
A számítógépek felépítése A számítógépek felépítése A számítógépek felépítése a mai napig is megfelel a Neumann elvnek, vagyis rendelkezik számoló egységgel, tárolóval, perifériákkal. Tápegység 1. Tápegység:
RészletesebbenNeurális hálózatok bemutató
Neurális hálózatok bemutató Füvesi Viktor Miskolci Egyetem Alkalmazott Földtudományi Kutatóintézet Miért? Vannak feladatok amelyeket az agy gyorsabban hajt végre mint a konvencionális számítógépek. Pl.:
RészletesebbenMonte Carlo módszerek fejlesztése reaktorfizikai szimulációkhoz
Monte Carlo módszerek fejlesztése reaktorfizikai szimulációkhoz Légrády Dávid BME NTI Molnár Balázs, Takács Hajna, Tolnai Gábor 016.1.07 A munka a Nemzeti Kutatási, Fejlesztési és Innovációs Alap által
RészletesebbenBeszámoló a negyedórás bontású villamosenergiapiaci előrejelző modellünk (EMMA) fejlesztési eredményeiről
Beszámoló a negyedórás bontású villamosenergiapiaci előrejelző modellünk (EMMA) fejlesztési eredményeiről Hortay Olivér hortay@szazadveg.hu Budapest, 2018. 09.20. 1 A villamosenergia-piaci forradalom miatt
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenGENERALI EGÉSZSÉGBUSZ
GENERALI EGÉSZSÉGBUSZ A Generali modern, új-generációs diagnosztikai berendezésekkel felszerelt szűrőbuszai hétről hétre más és más városba látogatnak el, hogy az érintett páciensek gyorsan, szakszerűen
RészletesebbenPárhuzamos programozási platformok
Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási
RészletesebbenA mikroszkóp új dimenziókat nyit
A mikroszkóp új dimenziókat nyit DNT Fogászat ENT Fül-orr gégészet GN Nőgyógyászat OPH Szemészet since 78 a látás hatalma Megbízhatóság, egyszerű használat, gazdaságosság és kiváló formatervezés www.labomed.hu
RészletesebbenA programozás alapjai előadás. Amiről szólesz: A tárgy címe: A programozás alapjai
A programozás alapjai 1 1. előadás Híradástechnikai Tanszék Amiről szólesz: A tárgy címe: A programozás alapjai A számítógép részegységei, alacsony- és magasszintű programnyelvek, az imperatív programozási
RészletesebbenKÉPFELDOLGOZÓ ALGORITMUSOK FEJLESZTÉSE GRAFIKUS HARDVER KÖRNYEZETBEN
KÉPFELDOLGOZÓ ALGORITMUSOK FEJLESZTÉSE GRAFIKUS HARDVER KÖRNYEZETBEN Takács Gábor Konzulens: Vajda Ferenc PhD, adjunktus 1 TARTALOMJEGYZÉK: Budapesti Műszaki és Gazdaságtudományi Egyetem A kutatási projekt
RészletesebbenProcesszusok (Processes), Szálak (Threads), Kommunikáció (IPC, Inter-Process Communication)
1 Processzusok (Processes), Szálak (Threads), Kommunikáció (IPC, Inter-Process Communication) 1. A folyamat (processzus, process) fogalma 2. Folyamatok: műveletek, állapotok, hierarchia 3. Szálak (threads)
RészletesebbenBIG DATA ÉS GÉPI TANULÁS KÖRNYEZET AZ MTA CLOUD-ON KACSUK PÉTER, NAGY ENIKŐ, PINTYE ISTVÁN, HAJNAL ÁKOS, LOVAS RÓBERT
BIG DATA ÉS GÉPI TANULÁS KÖRNYEZET AZ MTA CLOUD-ON KACSUK PÉTER, NAGY ENIKŐ, PINTYE ISTVÁN, HAJNAL ÁKOS, LOVAS RÓBERT TARTALOM MTA Cloud Big Data és gépi tanulást támogató szoftver eszközök Apache Spark
RészletesebbenEgy Erlang refaktor lépés: Függvényparaméterek összevonása tuple-ba
Egy Erlang refaktor lépés: Függvényparaméterek összevonása tuple-ba Témavezető: Horváth Zoltán és Simon Thompson OTDK 2007, Miskolc Egy Erlang refaktor lépés: Függvényparaméterek összevonása tuple-ba OTDK
RészletesebbenDLM PULSE - PREDIKTÍV TÁRGYALÁS TÁMOGATÓ ALKALMAZÁS DLM PULSE
DLM PULSE - PREDIKTÍV TÁRGYALÁS TÁMOGATÓ ALKALMAZÁS DLM PULSE A DLM Pulse innovatív testbeszéd kiértékelő megoldás virtuális tanácsadóként segíti az értékesítő munkáját az üzleti tárgyalás során. Könnyen
Részletesebbenegy szisztolikus példa
Automatikus párhuzamosítás egy szisztolikus példa Áttekintés Bevezetés Példa konkrét szisztolikus algoritmus Automatikus párhuzamosítási módszer ötlet Áttekintés Bevezetés Példa konkrét szisztolikus algoritmus
RészletesebbenPárhuzamos programozási platformok
Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási
RészletesebbenNyilvántartási Rendszer
Nyilvántartási Rendszer Veszprém Megyei Levéltár 2011.04.14. Készítette: Juszt Miklós Honnan indultunk? Rövid történeti áttekintés 2003 2007 2008-2011 Access alapú raktári topográfia Adatbázis optimalizálás,
RészletesebbenAuditPrime Audit intelligence
AuditPrime Audit intelligence Szakértői szoftver a könyvelés ellenőrzéséhez www.justisec.hu Minden rendben. Tartalom Előzmények... 3 A szoftver bemutatása... 3 A könyvelési adatok átvétele... 3 A technológia...
Részletesebben