論文の概要: PyRadiomics-cuda: a GPU-accelerated 3D features extraction from medical images within PyRadiomics

• arxiv url: http://arxiv.org/abs/2510.02894v1
• Date: Fri, 03 Oct 2025 11:00:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.354745
• Title: PyRadiomics-cuda: a GPU-accelerated 3D features extraction from medical images within PyRadiomics
• Title（参考訳）: PyRadiomics-cuda:PyRadiomics内の医療画像からGPUによる3D特徴抽出
• Authors: Jakub Lisowski, Piotr Tyrakowski, Szymon Zyguła, Krzysztof Kaczmarski,
• Abstract要約: PyRadiomics-cudaは、PyRadiomicsライブラリのGPUアクセラレーション拡張である。 医用画像から形状特徴を抽出する際の計算上の課題に対処する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: PyRadiomics-cuda is a GPU-accelerated extension of the PyRadiomics library, designed to address the computational challenges of extracting three-dimensional shape features from medical images. By offloading key geometric computations to GPU hardware it dramatically reduces processing times for large volumetric datasets. The system maintains full compatibility with the original PyRadiomics API, enabling seamless integration into existing AI workflows without code modifications. This transparent acceleration facilitates efficient, scalable radiomics analysis, supporting rapid feature extraction essential for high-throughput AI pipeline. Tests performed on a typical computational cluster, budget and home devices prove usefulness in all scenarios. PyRadiomics-cuda is implemented in Python and C/CUDA and is freely available under the BSD license at https://github.com/mis-wut/pyradiomics-CUDA Additionally PyRadiomics-cuda test suite is available at https://github.com/mis-wut/pyradiomics-cuda-data-gen. It provides detailed handbook and sample scripts suited for different kinds of workflows plus detailed installation instructions. The dataset used for testing is available at Kaggle https://www.kaggle.com/datasets/sabahesaraki/kidney-tumor-segmentation-challengekits-19
• Abstract（参考訳）: PyRadiomics-cudaは、PyRadiomicsライブラリのGPUアクセラレーション拡張であり、医療画像から3次元形状特徴を抽出する際の計算上の課題に対処するために設計された。 鍵となる幾何学計算をGPUハードウェアにオフロードすることで、巨大なボリュームデータセットの処理時間を劇的に短縮する。 システムはオリジナルのPyRadiomics APIとの完全な互換性を維持しており、コード修正なしに既存のAIワークフローへのシームレスな統合を可能にする。 この透過的なアクセラレーションは、効率的でスケーラブルな放射能解析を促進し、高スループットAIパイプラインに必要な高速な特徴抽出をサポートする。 典型的な計算クラスタ、予算、ホームデバイスで実施されたテストは、すべてのシナリオで有用であることを示す。 PyRadiomics-cudaはPythonとC/CUDAで実装されており、BSDライセンスでhttps://github.com/mis-wut/pyradiomics-CUDAに加え、PyRadiomics-cudaテストスイートはhttps://github.com/mis-wut/pyradiomics-cuda-data-genで利用可能である。 さまざまなワークフローに適した詳細なハンドブックとサンプルスクリプトに加えて,詳細なインストール手順も提供する。 テストに使われるデータセットは、Kaggle https://www.kaggle.com/datasets/sabahesaraki/kidney-tumor-segmentation-challengekits-19で公開されている。

関連論文リスト

• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• Trieste: Efficiently Exploring The Depths of Black-box Functions with TensorFlow [50.691232400959656]
  Triesteは、ベイジアン最適化とアクティブラーニングのためのオープンソースのPythonパッケージである。 我々のライブラリは、シーケンシャルな意思決定ループ内で人気のあるモデルのプラグアンドプレイを可能にする。
  論文  参考訳（メタデータ） (2023-02-16T17:21:49Z)
• PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
  PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。 外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。 PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
  論文  参考訳（メタデータ） (2022-04-26T06:15:21Z)
• TorchIO: A Python library for efficient loading, preprocessing, augmentation and patch-based sampling of medical images in deep learning [68.8204255655161]
  我々はTorchIOというオープンソースのPythonライブラリを紹介し、ディープラーニングのための医療画像の効率的なロード、前処理、拡張、パッチベースのサンプリングを可能にする。 TorchIOはPyTorchのスタイルに従い、標準的な医用画像処理ライブラリを統合して、ニューラルネットワークのトレーニング中に画像を効率的に処理する。 Pythonを使わずに、画像ファイルに変換を適用できるコマンドラインインターフェースが含まれている。
  論文  参考訳（メタデータ） (2020-03-09T13:36:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。