Ứng Dụng Tính Toán Lưới Vào Việc Xử Lý Hình Ảnh Trong Lĩnh Vực Y Tế

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
PHÒNG SAU ĐẠI HỌC
________ ________
BÀI THU HOẠCH MÔN HỌC
TÍNH TOÁN LƯỚI
Đề Tài:
Ứng Dụng Tính Toán Lưới
Vào Việc Xử Lý Hình Ảnh
Trong Lĩnh Vực Y Tế
Giảng viên phụ trách:
PGS.TS. Nguyễn Phi Khứ
Học viên thực hiện:
Trần Thanh Quốc Thắng
MSSV: CH1101131


TP. HCM, tháng 7/2013
MỤC LỤC
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
I. Giới thiệu
Việc xử lý hình ảnh trong lĩnh vực y tế là một lĩnh vực ứng dụng đầy hứa hẹn
cho tính toán lưới. Với một khối lượng dữ liệu lớn, các thông tin y tế nhạy cảm, sự
phức tạp chung của tập dữ liệu y tế và các tính toán trong chẩn đoán lâm sàng, thách
thức của công việc này là lấp đầy khoảng cách giữa các tính năng còn hạn chế của
lưới middleware và yêu cầu của các ứng dụng dùng trong chẩn đoán lâm sàng. Dự án
nghiên cứu AGIR (Grid Analysis of Radiological Data) trình bày một phương pháp
tiếp cận kết hợp: một mặt, tận dụng các lưới middleware cùng với mạng lưới các dịch
vụ y tế trọng tâm hướng tới các yêu cầu xử lý dữ liệu của các ứng dụng trong y học;
mặt khác, lưới cho phép một loạt các ứng dụng có thể hoạt động trên nó từ các thuật

toán cho đến các ứng dụng chẩn đoán lâm sàn.
Việc xử lý hình ảnh trong lĩnh vực y tế yêu cầu phải tương tác với 1 lượng dữ
liệu rất lớn, có khi phải lên đến hàng Terabyte. Thêm vào đó, nội dung của dữ liệu là
rất quan trọng vì đó là các dữ liệu y tế và các dữ liệu này thường được thao tác như
những tập dữ liệu có quan hệ với nhau. Do đó việc lưu trữ và tìm kiếm trên các dữ
liệu y tế đòi hỏi các thao tác lên một khối lượng dữ liệu lớn và các metadata liên quan
(các dữ liệu đã được xác định trước, dùng để chỉ ra cách thức để đọc được nội dung
của các dữ liệu còn lại). Thao tác trên dữ liệu y tế còn đòi hỏi phải được bảo mật chặt
chẽ vì chúng liên quan đến dữ liệu cá nhân của người bệnh.
Các thuật toán để phân tích hình ảnh y tế và các công cụ hỗ trợ chẩn đoán đã
được phát triển trong nhiều năm qua. Một số các thuật toán đã đạt đến một mức độ
cao về khả năng sử dụng và được chứng minh có tác dụng thực sự trong lĩnh vực lâm
sàng. Tuy nhiên việc áp dụng chúng vẫn chưa được rộng rãi.
Sử dụng tính tóa lưới để xử lý dữ liệu là một cơ hội tốt để mở rộng tầm ảnh
hưởng của các công cụ xử lý hình ảnh này và chuyển giao các nghiên cứu thực
nghiệm vào trong chẩn đoán lâm sàng.
• Lưới cung cấp một cơ sở hạ tầng cho phép nhiều cộng đồng người sử
dụng để truy cập và thao tác lên dữ liệu y tế.
• Lưới cung cấp khả năng tính toán cần thiết để xác nhận các thuật toán
trên bộ dữ liệu lớn và xử lý cơ sở dữ liệu hoàn chỉnh cho các ứng dụng
đòi hỏi phải có số liệu thống kê như dịch tễ học.
TÍNH TOÁN LƯỚI 3
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
• Lưới cho phép ẩn việc truy cập tới các hệ thống tính toán, mỡ rộng khả
năng ứng dụng thực tế như một công cụ y tế thực sự.
Tính toán lưới đã phát triển mạnh mẽ trong thập kỷ qua, lưới middleware và các
chuẩn giao thức trên lưới vẫn đang được tiếp tục nghiên cứu phát triển. Lấp đầy
khoảng trống giữa các ứng dụng lâm sàng và các lưới middleware đặt ra nhiều vấn đề
cụ thể, từ các nghiên cứu cơ bản về khoa học máy tính đến các vấn đề về pháp lý.

Giải quyết những vấn đề này là một hoạt động nghiên cứu và là một lĩnh vực công
nghệ, và một cộng đồng khoa học mới đang dần xuất hiện.
Hai mục tiêu chính của dự án AGIR là:
• Nghiên cứ và triển khai thuật toán. Trong ngắn hạn, triển khai các thuật
toán đã biết lên các tập dữ liệu và sử dụng tính toán lưới sẽ đơn giản hóa
việc phát triển, tạo mẫu, và kiểm tra các thuật toán này.
• Nghiên cứu các dịch vụ tính toán lưới mới nhằm giải quyết một số yêu
cầu xử lý hình ảnh y tế phức tạp và các ứng dụng xử lý dữ liệu.
Phương pháp là:
• Tham khảo với nhóm các chuyên gia trong lĩnh vực y tế và khoa học máy
tính ( đặc biệc là trong các ứng dụng lâm sàng, phân tích hình ảnh y tế và
hệ thống thông tin, hệ thống tính toán lưới và hệ thống tính toán phân
tán) với một vài ứng dụng y tế, để có được một cái nhìn tổng quan về
middleware, thuật toán và các vấn đề trong y tế;
• Thúc đẩy việc nghiên cứu và phát triển phần mềm bởi các nhóm tham gia
trong lĩnh vực xử lý hình ảnh y tế và tính toán lưới
Kết quả mong đợi là việc tích hợp được các giải pháp này vào trong thực
nghiệm, nâng cao kiến thức về các yêu cầu của ứng dụng y tế, các thuật toán và hệ
thống thông tin hướng đến lưới middleware và các thiết kế, bổ sung các thuật toán
phân tích y tế mạnh hơn, tác động đến các dự án tính toán lưới tầm quốc gia và quốc
tế, bổ sung kinh nghiệm triển khai các chẩn đoán lâm sàng.
TÍNH TOÁN LƯỚI 4
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
II. Tổng quan
Việc triển khai một ứng dụng y tế theo mô hình tính toán lưới có thể được cấu
trúc thành 4 tầng như minh họa trong hình 1.
Hình 1. Kiến trúc các tầng của ứng dụng y tế theo mô hình tính toán lưới
Tầng thấp nhất bao gồm các dịch vụ cơ bản chung của lưới. Tầng thứ hai bao
gồm các dịch vụ cốt lõi dành riêng cho các ứng dụng y tế mà không có sẵn trong tầng

middleware chung. Tầng thứ ba là các thuật toán xử lý hình ảnh y tế dựa trên các dịch
vụ tính toán lưới cơ bản để xử lý một lượng lớn dữ liệu. Tầng thứ tư ở vị trí trên cùng
bao gồm các ứng dụng trong chẩn đoán lâm sàng được phát triển để giải quyết những
vấn đề trong lĩnh vực y tế. AGIR chủ yếu hướng đến phát triển các dịch vụ y tế cốt lõi
và các thuật toán xử lý hình ảnh, và ở một mức độ mỡ rộng là các ứng dụng dùng
trong chẩn đoán lâm sàng.
Lưới middleware đã có sẵn: các lưới này có quy mô lớn và cung cấp cơ sở hạ
tầng cả phần cứng lẫn phần mềm; lưới tính toán trong lĩnh vực y tế thực sự sẽ được
triển khai dựa trên các lưới đã được kiểm chứng và được hỗ trợ. Vì vậy, dự án này
không tập trung phát triển các lưới middleware cơ bản. Ở tầng middleware chung này,
mục tiêu là đánh giá khả năng tương thích (hoặc thiếu) của các sản phẩm hiện có hoặc
nghiên cứu các middleware để đáp ứng các yêu cầu về xử lý hình ảnh y tế. AGIR có
sự hợp tác mạnh mẽ với dự án EGEE của Châu Âu, đó là cơ sở ban đầu cho các thử
nghiệm trong tương lai. Tuy nhiên, kết quả của AGIR không phụ thuộc vào các
TÍNH TOÁN LƯỚI 5
Ứng Dụng Y Tế
Humanit
arian
Dữ Liệu
Ung
PTM
3D
Các
Thuật
Phân
Khúc
Luồng Xử Lý
Truy Cập
Dữ Liệu Y
Tế

Quản Lý
Dữ Liệu
Y Tế
Tương
Tác
Các
Dịch
Lưới Middleware Chung
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
middleware chung bên dưới; thay vào đó các dịch vụ y tế cốt lõi phải tuân thủ WSRF
một cách chặt chẽ.
TÍNH TOÁN LƯỚI 6
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
III. Các dịch vụ y tế chính
Để đạt đến mức độ cao trong việc tích hợp dữ liệu và các tài nguyên tính toán
cần thiết cho các ứng dụng y khoa phức tạp đòi hỏi phải giải quyết những thách thức
đáng kể. Mở hệ thống cho nhiều cộng đồng người sử dụng đặt ra vấn đề bảo mật dữ
liệu y tế. Chia sẻ bộ dữ liệu y tế để thao tác dẫn đến vấn đề tiếp cận minh bạch các
nguồn dữ liệu không đồng nhất và phân tán. Tích hợp các dịch vụ tính toán lưới vào
công việc hàng ngày hoặc các công cụ của bác sĩ hay các nhà nghiên cứu y tế đòi hỏi
phải kết hợp đồng nhất nhiều tác vụ vào trong các mô hình khai thác tính toán lưới.
1. Tương tác
Yêu cầu quan trọng đối với hệ thống là cần phải di chuyển việc tính toán của
lưới từ việc chỉ dùng cho một tính toán riêng nào đó sang dùng cho việc tính toán
chung, bao gồm cả nhiệm vụ tương tác. Đây là điều cần thiết cho bất kỳ hoạt động
nào cần có sự tương tác của người dùng, chẳng hạn như việc yêu cầu tạo dữ liệu, khảo
sát tập dữ liệu và hiển thị. Ví dụ, trong vấn đề tối ưu hóa như là việc định màu sắc của
các hình ảnh phi tuyến hoặc lập kế hoạch xạ trị, việc điều phối tính toán có thể được

sử dụng để giúp các thuật toán tránh cực tiểu cục bộ. Những tương tác này có thể kích
hoạt tính không đồng bộ hoặc các hoạt động phục hồi dữ liệu.
2. Quản lý dữ liệu y tế
Lưới truy cập đến hình ảnh y khoa đòi hỏi phải truy xuất liên tục các tập dữ liệu
rất lớn: hình ảnh 3D hay thậm chí là chuỗi của các hình ảnh 3D. Hơn nữa, dữ liệu y tế
không chỉ bao gồm hình ảnh y tế mà còn có một số lượng lớn các metadata, ví dụ như
hồ sơ bệnh án của bệnh nhân. Công việc quản lý dữ liệu y tế vì thế cần phải tạo điều
kiện cho phép nhận ra một cách dễ dàng bộ dữ liệu theo các tiêu chí nghiên cứu lâm
sàng bao gồm cả metadata và nội dung hình ảnh. Mặt khác, lõi middleware quản lý dữ
liệu cho lưới (như giao thức Backplane trên Internet hoặc EGEE SRM) cung cấp các
chức năng cơ bản để lưu trữ, sao chép hoặc lưu tạm thời tập tin cá nhân. Bước khởi
đầu để thu hẹp khoảng cách này là lưới cho phép truy cập đến các máy chủ DICOM.
Một EGEE cho phép giao diện DICOM dựa trên DCMTK đang được thực hiện, được
xây dựng từ các thí nghiệm trước đó trong dự án MEDIGRID. Bước tiếp theo sẽ là
việc đáp ứng các yêu cầu về tốc độ của các ứng dụng y tế, đặc biệt là liên quan đến
ngữ nghĩa của các truy vấn và thời gian để đưa vào các bộ dữ liệu để tính toán trên
TÍNH TOÁN LƯỚI 7
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
lưới (độ trễ) và việc truy cập đồng thời đến các máy chủ DICOM (băng thông). Cuối
cùng, vấn đề bảo mật trên lưới phải được nâng cao để thực sự thu được những lợi ích
trong việc chăm sóc sức khỏe dựa trên các ứng dụng của tính toán lưới. Hiện tại các
hệ thống Virtual Organization có thể cung cấp một sự bảo vệ cho tính riêng tư của
bệnh nhân (toàn bộ hoặc từ chối truy cập).
3. Các giao thức truy cập dữ liệu y tế
Truyền tải số lượng lớn dữ liệu y tế cho các ứng dụng y tế có thể dễ dàng làm
tràn các hệ thống hiện nay. Mục tiêu chung của nhiệm vụ này là định nghĩa các giao
thức mới để sử dụng trong việc truyền tải các dữ liệu đa phương tiện này đến các truy
xuất từ xa, có thể được gọi là một giao thức truyền phát y tế. Như trong các giao thức
đa phương tiện, ý tưởng cốt lõi là tập trung vào việc sử dụng tài nguyên trên các dữ

liệu hữu ích nhất, trong khi hệ thống tính toán lưới có thể khai thác sự chậm trễ liên
quan đến thao tác xử lý của con người hoặc việc xử lý từ xa để tinh chỉnh các thông
tin cuối cùng được giao.
Ba thành phần của các giao thức này là các thuật toán nén, khớp nén và chuyển
giao, và cuối cùng là tối ưu hóa tìm kiếm hình ảnh y khoa. Nén có thể được tối ưu hóa
tùy thuộc vào việc sử dụng ứng dụng của dữ liệu: các thuật toán mã hóa và giải mã
nhanh nên được ưu tiên dùng cho việc truyền dữ liệu trong khi các thuật toán chậm
hơn nhưng hiệu quả hơn thích hợp cho việc lưu trữ lâu dài. Vì thế, cần vận dụng một
cách mềm dẻo các phương pháp nén và tỷ lệ phụ thuộc vào tốc độ của tài nguyên và
yêu cầu của ứng dụng. Các thuật toán chuyên về nén hình ảnh y khoa hoặc tập dữ liệu
cung cấp nhiều ưu điểm hơn so với các thuật toán nén tổng quát. Các thuật toán nén
nhằm giúp loại bỏ các dữ liệu dư thừa và chỉ lưu trữ các dữ liệu hữu ích nhất cho quá
trình xử lý hình ảnh. Hơn nữa, một số ứng dụng cần phải cho chất lượng tối đa trong
một vùng đang được quan tâm (ROI) trong một hình ảnh hoặc tập hợp các hình ảnh
đã được chọn.
TÍNH TOÁN LƯỚI 8
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
IV. Các ứng dụng y tế
Mục tiêu chính của AGIR là tập trung phát triển 4 ứng dụng y tế chính: PTM3D,
một phần mềm phân tích y tế tương tác tập trung vào xây dựng lại và đo đạc dữ liệu;
phân đoạn ảnh tim; dịch vụ y tế từ xa; và biến đổi hình ảnh áp dụng cho chữa trị ung
thư.
Tập ứng dụng này là cơ sở cho việc nghiên cứu và phát triển các dịch vụ lưới
cần thiết cho việc lưu trữ, tìm kiếm và xử lý dữ liệu y tế trên lưới. Các ứng dụng y tế
khác nhau có những yêu cầu chung cơ bản mà chưa được xem xét bởi hiện
middleware hiện tại. Mục đích là đưa các ứng dụng này vào lưới nơi mà chúng có thể
được sử dụng đúng với khả năng của chúng.
Nghiên cứu và triển khai các thuật toán. Đầu tiên, các thuật toán có thể được
phát triển và thử nghiệm trên tập dữ liệu lớn hơn. Thứ hai, đơn giản hóa việc chia sẻ

các thuật toán, cho phép người dùng thử nghiệm và so sánh các kỹ thuật hiện có trên
các tập dữ liệu chung. Trong tương lai, thuật toán lưới sẽ được triển khai dễ dàng hơn
trong giới y khoa để sử dụng trong chẩn đoán lâm sàng. Điều này sẽ giúp phổ biến
các kỹ thuật xử lý hình ảnh và tăng quy mô thử nghiệm thực tế. Cuối cùng, các ứng
dụng mới được mong đợi sẽ xuất hiện từ một cơ sở hạ tầng sử dụng tính toán lưới.
Chẩn đoán hình ảnh và lập kế hoạch phẫu thuật. Phân tích hình ảnh tương tác
có khả năng là đối tượng hưởng lợi chủ yếu từ việc tính toán hiệu năng cao dựa trên
tính toán lưới. Kết hợp chuyên môn y tế và tài nguyên của lưới trong việc tính toán là
một con đường đầy hứa hẹn để lần đầu tiên chuyển việc nghiên cứu thực nghiệm vào
trong chẩn đoán lâm sàng thực tế.
Công nghệ tương tác thực (Augmented Reality): Dữ liệu trước phẫu thuật, hình
ảnh trong lúc mổ và cơ thể bệnh nhân có thể được kết hợp để tối ưu hóa một can thiệp
phẫu thuật hoặc lập kế hoạch điều trị ( Hình 2). Công nghệ tương tác thực cho phép
hiển thị dữ liệu vào trong không gian thực nhằm phục vụ cho quá trình phẫu thuật.
TÍNH TOÁN LƯỚI 9
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
Hình 2. Công nghệ tương tác thực áp dụng trong phẫu thuật
TÍNH TOÁN LƯỚI 10
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
V. Tính tương tác và tái tổ chức
1. Một trường hợp cho lưới tương tác
Nhiều ứng dụng trong xử lý hình ảnh y tế dùng trong chẩn đoán lâm sàng đòi
hỏi các tính toán hiệu năng cao và lưu trữ dữ liệu lớn, và phải có sự giám sát của con
người. Không giống như việc sử dụng các lưới điện để chạy các máy tính để bàn, khi
máy tính không đủ điện thì cần phải được kiểm tra lại, đây không phải là khái niệm
của lưới, nhưng đó cũng là một số xu hướng trong phần mềm tính toán lưới. Thiên về
các mô hình tính toán làm trọng tâm tức là không chỉ nhấn mạnh vào hiệu suất tính
toán, mà còn phải quan tâm đến thời gian phản hồi ở tất cả các mức độ của bộ giao

thức tính toán lưới, trong khi vẫn giữ lại những tiến bộ quan trọng của công nghệ lưới
cho phép xây dựng các trạm ảo: bảo mật, đăng nhập, truy cập chuyển tiếp… Mục tiêu
chung là để tích hợp các ràng buộc thời gian đáp ứng vào bộ giao thức lập lịch của
lưới.
Hai nhóm dịch vụ có thể được xem xét để giải quyết vấn đề này
Lập lịch ở mức ứng dụng: Nhiều ứng dụng tương tác dựa trên tính toán lưới bao
gồm các xử lý song song. Các ứng dụng này thường yêu cầu bộ lập lịch động, với khả
năng lập lịch tốt hơn so với bộ lập lịch thông thường trên lưới. Tầng ứng dụng ở đây
có độ ưu tiên tương ứng với thread mức người dùng so với mức kernel trong việc lập
lịch của bộ vi xử lý. Giống như bộ lập lịch cho thread mức người dùng tránh sự vi
phạm các lời gọi bên dưới kernel, một bộ lập lịch ở mức ứng dụng trên lưới sẽ tránh
được những mâu thuẫn của hệ thống thông tin trên lưới để thực hiện từng nhiệm vụ
song song nhỏ.
Lập lịch theo thời gian thực: Một mặt các nguồn tài nguyên trên lưới phải được
chia sẻ giữa các công việc, mặt khác chia sẻ giữa các khối công việc. Tuy nhiên,
những ràng buộc về cách thức lập lịch cho sự tương tác giữa các công việc có thể
nghiêm ngặt hơn. Thông thường, độ trễ phát sinh bởi các khối công việc nên có giới
hạn và nhỏ, các công việc tương tác không nên làm giảm việc sử dụng tài nguyên
cũng không cần mở rộng việc việc tổ chức lại các cách thức lập lịch đã có và đang
được điều hành bởi các khối công việc.
Chất lượng dịch vụ cho lưới (Quality of Service) hiện tại đã được giải quyết nhờ
vào giao thức GGF. Trong khi một số thành phần của lưới theo mô hình lập lịch thời
TÍNH TOÁN LƯỚI 11
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
gian thực có thể đáp ứng theo Framework này, ví dụ như việc kiểm soát quá trình nạp
cho các ứng dụng (nếu có đủ tài nguyên sẽ cho phép một phiên hoạt động), một số
thành phần khác cần phải cải thiện hơn.
2. gPTM3D
PTM3D là một bộ phân tích ảnh được phát triển tại LIMSI. PTM3D chuyển, lưu

trữ và hiển thị dữ liệu mã hóa DICOM, ngoài chuyển động độc lập dọc theo ba trục
thông thường, người sử dụng có thể xem các mặt cắt ngang của hình ảnh DICOM
cùng một mặt phẳng tùy ý và di chuyển nó. PTM3D cung cấp hỗ trợ tính toán thế hệ
ba chiều từ CT, MRI, PET-scan, hoặc chụp siêu âm dữ liệu 3D. Dữ liệu tái tạo (cơ
quan, khối u) được hiển thị trong chế độ xem 3D. Việc tái tạo cũng cung cấp khả
năng đánh giá, cần thiết cho quyết định điều trị. Hệ thống này hiện đang chạy trên các
máy tính tiêu chuẩn và nó được sử dụng trong các trung tâm chẩn đoán hình ảnh.
Bước đầu tiên trong mô hình tính toán lưới PTM3D (gPTM3D) làm nhiệm vụ
tăng tốc độ tính toán chuyên sâu, chẳng hạn như việc xây dựng lại dữ liệu của toàn bộ
cơ thể được sử dụng trong việc lập kế hoạch điều trị sỏi thận. Các mô-đun tái tạo dữ
liệu đã được kết hợp với EGEE cho kết quả như sau:
• Thời gian phản ứng tổng thể là tương thích với yêu cầu của người sử
dụng (ít hơn 2 phút), trong khi thời gian tuần tự trên một máy tính 3GHz,
2MB bộ nhớ thường là 20 phút.
• Các cơ chế tương tác cục bộ (dừng, khởi động lại, cải thiện các phân
khúc) còn lại hoàn toàn chưa bị thay đổi.
TÍNH TOÁN LƯỚI 12
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
Hình 3. Kiến trúc gPTM3D
Bước đầu tiên này đã được hiện thực theo cơ chế song song và xử lý với một
lượng dữ liệu lớn. Kiến trúc dựa trên các chương trình đại lý Application Level
Scheduler/Worker được thể hiện trong Hình 3 với đầy đủ chức năng trên EGEE. Cầu
tương tác (IB) hoạt động như một proxy ở giữa máy trạm PTM3D, mà không cần cho
phép EGEE. Khi mở một phiên tương tác, các máy trạm PTM3D kết nối với IB, lần
lượt, IB khởi chạy một bộ lập lịch và một tập workers trên một nút EGEE, thông qua
các yêu cầu đầy đủ tiêu chuẩn tới một giao diện người dùng EGEE, một chuỗi được
thiết lập giữa bộ lập lịch và các PTM3D đầu cuối thông qua IB. Khi cần phải tái cấu
trúc dữ liệu, bộ lập lịch nhận các tình huống, các chương trình đại lý Sheduler/Worker
hoạt động theo một mô hình kéo ngược, mỗi worker tính toán một phần của dữ liệu

tái cấu trúc tại một thời điểm và sau đó sẽ gửi ngược về sau cho bộ lập lịch, sau đó
đưa đến các IB. Bước tiếp theo sẽ là thực hiện một chương trình mà các IB và bộ lập
lịch cùng hợp tác để đưa ra một lịch trình thời gian thực.
TÍNH TOÁN LƯỚI 13
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
VI. Nén trực tuyến và phân vùng ảnh tim
Dịch vụ này cung cấp cơ chế pipelining trong việc truyền dữ liệu và nén. Nó là
một dịch vụ thích nghi như cơ chế nén tự động thay đổi theo môi trường và dữ liệu.
1. Thuật toán AdOC
Thuật toán ADOC (Hình 4) đã được đề xuất bởi Jeannot, Knutsson và Bjorkman
. Nó là một thuật toán dùng cho nhiều mục đích ở cấp độ người dùng và là giải thuật
di động phù hợp không chỉ cho tính toán lưới mà còn cho các ứng dụng truyền nhận
dữ liệu. Thuật toán chủ yếu dựa trên hai ý tưởng:
• Nén và truyền nhận xen kẽ. Việc xen kẽ đồng thời giữa việc nén và
truyền nhận cho phép che giấu phần lớn thời gian sử dụng cho việc nén
với người dùng.
• Thích ứng một cách năng động các mức độ nén. Môi trường (CPU /
mạng tốc độ, dữ liệu, vv) có thể thay đổi theo thời gian. Vì vậy, thời gian
có sẵn để nén / giải nén dữ liệu thay đổi trong quá trình chuyển dữ liệu.
Hình 4. Thuật toán AdOC
Nén và truyền nhận xen kẽ được hiện thực theo cơ chế đa luồng
(multithreading). Tiến trình gửi được tạo thành bởi hai threads. Một thread nén dữ
liệu, thread còn lại gửi dữ liệu tới mạng. Một hàng đợi (queue) được sử dụng để lưu
trữ dữ liệu được chia sẻ bởi mỗi thread. Ở phía bên gửi, thread nén lưu trữ dữ liệu vào
trong hàng đợi, các thread truyền này đọc dữ liệu và gửi nó vào mạng. Ở phía bên
nhận, một cơ chế đối xứng được cung cấp. Sự tương thích được thực hiện bằng cách
theo dõi sự biến đổi của hàng đợi FIFO ở phía người gửi. Ý tưởng là như sau:
• Nếu tăng kích thước hàng đợi, điều này có nghĩa rằng mạng và bên nhận
xử lý dữ liệu chậm hơn so với việc tạo dữ liệu bởi các thread. Do đó cần

thêm thời gian cho việc nén: mức độ nén sau đó được tăng lên.
TÍNH TOÁN LƯỚI 14
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
• Nếu kích thước của hàng đợi giảm, có nghĩa là mạng và bên nhận tiêu thụ
dữ liệu nhanh hơn so với việc tạo dữ liệu bởi các thread. Khi đó cần giảm
mức độ nén để tạo ra các gói với tốc độ lớn hơn.
2. Thư viện AdOC
Thư viện ADOC là một tập hợp các hàm ở mức người dùng cho phép nén ảnh
một cách linh động. Nó cung cấp các chức năng để gửi và nhận dữ liệu thông qua một
socket bằng cách sử dụng thuật toán ADOC. Các chức năng này tương tự như các lời
gọi hệ thống (system calls) theo chuẩn POSIX (Portable Operating System Interface)
read, write và close theo đúng ý nghĩa của chúng. Thư viện này có thể được sử dụng
cho cả việc truyền (sử dụng ADOC ở cả hai đầu của socket) hoặc để lưu trữ trên một
máy chủ (chỉ sử dụng ADOC ở phía client). Việc nén có thể được tối ưu hóa tùy
thuộc vào việc sử dụng dữ liệu của ứng dụng: mã hóa và giải mã nhanh nên được ưu
tiên để truyền dữ liệu trong khi các thuật toán nén lâu hơn nhưng hiệu quả hơn phù
hợp cho việc lưu trữ lâu dài.
3. Kỹ thuật nén gần đúng (lossy compression) dùng trong truyền tải
ảnh
Cho đến nay, thư viện ADOC chỉ cung cấp kỹ thuật nén không làm giảm chất
lượng ảnh (lossless compression) dựa trên thuật toán Ziv-Lempel. Tuy nhiên, trong
việc nén ảnh, cho phép nén gần đúng là một lựa chọn thú vị. Liên quan đến hình ảnh
y tế, các thuật toán nén không làm giảm chất lượng ảnh được ưa thích hơn những
thuật toán nén gần đúng vì mục đích giúp cho việc chẩn đoán được rõ ràng. Tuy
nhiên, trong một số trường hợp, chất lượng ảnh cũng không cần phải hoàn toàn đầy
đủ, và các thuật toán nén gần đúng có thể là một lựa chọn hiệu quả để lưu trữ hoặc
truyền tải ảnh. Phương pháp nén ảnh gần đúng đang được sử dụng rất phổ biến hiện
nay được thiết lập qua 3 bước: biến đổi wavelet rời rạc (DWT), lượng tử hóa
(quantization), và mã hóa nhị phân, được biểu diễn trong Hình 5. Hầu hết các chuẩn

video phổ biến ngày nay như H.264, JPEG đều sử dụng phương pháp này cho tỉ lệ
nén lên đến 1:60. Nhằm khai thác sự tương quan thời gian của dữ liệu, chúng tôi sử
dụng 3D DWT cũng như vector lượng tử (VQ). Một trong những điểm quan trọng của
cơ chế này là việc phân tích đa phân giải với DWT trong đó cho phép nén dữ liệu
bằng cách chia nhỏ các dữ liệu này thành các dữ liệu con và nén lần lượt các dữ liệu
TÍNH TOÁN LƯỚI 15
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
con đó. Do đó, cần thiết phải có một thủ tục cho phép gán một tốc độ xử lý (bit rate)
cho mỗi dữ liệu con theo một ràng buộc để có thể đạt được tốc độ xử lý mong muốn
trên toàn bộ dữ liệu và cực tiểu hóa sự biến dạng của dữ liệu. Như là hệ quả, tiến trình
xử lý có thể được thực hiện một cách dễ dàng bằng cách truyền các dữ liệu con có độ
phân giải thấp trước. Đặc tính này có thể là một ưu điểm được sử dụng như là một
chức năng về tốc độ mạng cho mục đích thích nghi.
Hình 5. Cơ chế nén gần đúng
4. Phân đoạn 3D của các hình ảnh tim bằng kỹ thuật chụp cộng hưởng
từ
Việc phân tích chính xác về tình trạng của tim dựa trên những hình ảnh chụp cắt
lớp thu được. Hiện tại thì việc chụp cộng hưởng từ (MRI) cho tim sẽ được thực hiện
bằng cách chụp cắt lớp tim thành nhiều phần theo một hướng nhất định cho tới khi
chụp được toàn bộ quả tim. Hình 6 minh họa kỹ thuật chụp cộng hưởng từ điển hình
với 210 hình ảnh, kích thước 256x256, được mã hóa. Phân tích tình trạng của tim có
thể dựa vào số lượng các thông số chính như sự phát triển khối lượng của khoang thất
trái, phân suất tống máu, cũng như các thông số phụ khác. Việc ước lượng các thông
số này yêu cầu phải phân tích các đường viền tim, công việc phân tích này đòi hỏi
phải có các phương pháp hỗ trợ xử lý hình ảnh từ máy tính. Như trong ví dụ trước,
mục tiêu của phương pháp tính toán lưới cho phép gần như xử lý tính toán theo thời
gian thực, cho phép nó trở thành một công cụ hữu dụng trong chẩn đoán lâm sàn.
Phần này trước tiên sẽ trình bày các thuật toán phân đoạn, và tiếp theo là mối quan hệ
với các giải thuật nén trực tuyến phù hợp.

TÍNH TOÁN LƯỚI 16
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
Hình 6. Hình ảnh chụp cộng hưởng từ
Quá trình phân tích đường viền từ những hình ảnh được dựa trên cái gọi là cách
tiếp cận mô hình biến dạng, trong đó sử dụng một mô hình tiên nghiệm của đối tượng
được phân tích. Mô hình này bị biến dạng lặp đi lặp lại để phù hợp với nội dung hình
ảnh. Khái niệm được đặt tên elastic deformable template, kết hợp một mô hình tô pô
và hình học của các đối tượng được phân đoạn, và một phương trình cơ bản (đàn hồi
tuyến tính) xác định hành vi của nó bằng cách áp dụng các hình ảnh bên ngoài đẩy
các bề mặt hướng tới các cạnh của ảnh. Trong bối cảnh này, một mô hình tiên nghiệm
là một lưới hình học là kết quả từ phân đoạn dẫn của một tập dữ liệu tham khảo (Hình
7).
TÍNH TOÁN LƯỚI 17
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
Hình 7. Mô hình tim
Trạng thái cân bằng của mô hình thu được thông qua việc cực tiểu hóa một hàm
năng lượng toàn cục E = E
elastic
+ E
data
, trong đó E
elastic
đại diện cho năng lượng biến
dạng của mô hình và E
data
là năng lượng của các hình ảnh bên ngoài.
Năng lượng nội (Internal Energy.). Đối tượng được xem như một thể đàn hồi
tuyến tính. Năng lượng đàn hồi của nó có thể được biểu diễn như sau:

E
elastic
= , (1)
trong đó, , lần lượt là sức căng 3D và vec-tơ biến dạng và là miền mô hình.
Năng lượng ảnh ngoại (External Image Energy). Biểu thức của năng lượng
ngoài E
data
là:
E
data
(u) = , (2)
trong đó là biên của miền đối tượng .
Cực tiểu hóa năng lượng toàn cục. Mô hình này được phân tách ra thành các
phần tử tứ diện. Phân đoạn thu được thông qua việc cực tiểu hóa các hàm năng lượng
toàn cục E bằng cách sử dụng phương pháp phần tử hữu hạn (Finite Element Method
(FEM)).
Khởi tạo mẫu. Thủ tục phân đoạn đòi hỏi một sự xác định thô của mẫu ban đầu
vào trong dữ liệu. Điều này được thực hiện bởi một biến đổi afin của mô hình với một
Volume of Interest (VOI), tập trung vào khu vực trung tâm và thu được từ một lượng
dữ liệu thu được từ phép nội suy đẳng hướng.
Hình 8 trình bày một ví dụ về phân đoạn 3D.
TÍNH TOÁN LƯỚI 18
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
Hình 8. Phân đoạn 3D
Lưới hình học thường bao gồm khoảng 6000 nút và 25.000 ô. Do đó, hệ thống
cần xử lý một kích thước 324MFloats (3 × NumberOfNodes
2
). Chương trình sử dụng
thư viện PETSC cho các tính toán đại số tuyến tính. Thời gian tính toán thông thường

cho một khung hình là khoảng 3 phút trên một máy tính Pentium M, 1.7 GHz, bộ nhớ
RAM 1G.
Hiện tại, một khi các phân đoạn đã được thực hiện trên khung hình đầu tiên của
chuỗi, mô hình kết quả được sử dụng như mẫu ban đầu cho các khung hình tiếp theo,
do đó việc tính toán sẽ được thực hiện tuần tự. Kỹ thuật nén bảo toàn thích nghi
(adaptive lossless compression) sẽ được sử dụng để làm cho tương thích giữa tốc độ
truyền tải của các khung hình liên tiếp với tốc độ của mạng và tài nguyên máy tính.
Để giảm thời gian tính toán cho các phân đoạn trong một số trường hợp cá biệt,
một phương pháp phân giải đa hướng có thể được áp dụng cho từng hình ảnh 3D của
chuỗi hình ảnh. Quá trình phân giải đa hướng điển hình xây dựng một hệ thống phân
cấp của các ảnh đã được làm giảm độ phân giải bằng cách lọc thông thấp và giảm số
lượng lấy mẫu (subsampling) của hình ảnh ban đầu đi một số lần; đưa thêm mẫu thô
vào bên trong luồng dữ liệu từ máy chủ DICOM đến các phần tử tính toán
(Computing Elements) là một trong những kỹ thuật nén đơn giản đầu tiên. Tuy nhiên,
các chương trình nén được mô tả trong phần trước cũng có thể được sử dụng để tạo ra
một chuỗi các khung hình với độ phân giải tăng dần (streaming), cho ánh xạ tốt hơn
tới các đặc tính bên trong của ảnh.
Tương tác lưới cũng được áp dụng cho thuật toán này. Sự can thiệp của người
dùng có thể giúp khởi động các phân đoạn thông qua việc định nghĩa một VOI và
kiểm tra các vị trí ban đầu của mẫu tại một trạm khách. Cuối cùng, việc chủ động theo
TÍNH TOÁN LƯỚI 19
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
dõi các quá trình phân đoạn có thể rất thú vị, và rất dễ dàng, bởi vì chỉ có các mẫu
hình học cần phải được cập nhật cho mục đích trực quan.
TÍNH TOÁN LƯỚI 20
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
VII. Quy trình quản lý và đánh giá các thuật toán biến đổi
Các giao thức y khoa định nghĩa một trình tự thu thập dữ liệu y khoa nhằm hỗ

trợ cung cấp dữ liệu thích hợp cho một cuộc kiểm tra y tế theo một cách liên tục. Dữ
liệu thu được từ giao thức cho trước có thể được so sánh và sao chép. Ngoài các giao
thức y tế cho thu thập dữ liệu, nhiệm vụ phân tích dữ liệu y tế hiện nay thường liên
quan đến việc xử lý các hình ảnh thu được để tăng cường, giải thích và giải nén thông
tin định lượng từ dữ liệu. Xử lý dữ liệu y tế cũng bao gồm một số nhiệm vụ cơ bản có
liên hệ phụ thuộc như giảm nhiễu dữ liệu, thu thập chỉnh sai lệch, mô hình hóa dữ liệu
và đánh giá trên các mô hình.
Tùy thuộc vào các mục tiêu phân tích, chuỗi các nhiệm vụ cơ bản cần áp dụng
không nhất thiết phải tuần tự và thường là một đồ thị của các nhiệm vụ được kết nối
với nhau để giải quyết vấn đề. Do đó các công cụ cao cấp để biểu diễn và xử lý các
luồng tính toán được mong đợi sẽ làm cho dễ dàng hơn quá trình phát triển thử
nghiệm trong y khoa. Xử lý theo quy trình là một lĩnh vực phải được nghiên cứu kỹ
lưỡng. Khi làm việc với các thí nghiệm y tế, người dùng thường phải xử lý các bộ dữ
liệu làm từ hàng trăm bức ảnh riêng biệt. Do đó, quy trình quản lý là định hướng dữ
liệu và người quản lý chịu trách nhiệm phân phối tải trọng tính toán phải quản lý các
tập dữ liệu đầu vào cũng như quy trình làm việc. Dự án AGIR đang nghiên cứu công
việc xử lý các bộ dữ liệu y tế trên lưới. AGIR chủ yếu quan tâm đến hệ thống quy
trình quản lý phù hợp với tiêu chuẩn tính toán lưới hiện nay, tính tương thích, và có
khả năng xử lý với các bộ dữ liệu lớn.
Quy trình tính toán lưới cho phép cung cấp một công cụ để dễ dàng thiết lập các
thí nghiệm y khoa trên bộ dữ liệu lớn. Điều này là rất quan trọng đối với các ngành có
yêu cầu xử lý trên các bộ dữ liệu lớn như dịch tễ học hoặc mô hình tính toán và khai
thác số liệu thống kê từ các tập dữ liệu. Các lĩnh vực ứng dụng khác bao gồm việc
tính toán lặp đi lặp lại (ví dụ như mô phỏng Monte Carlo hay thuật toán thông số tối
ưu hóa) cũng được xem xét. Quy trình tương tự như một cột mốc quan trọng để thiết
kế các thủ tục đánh giá thuật toán. Trong trường hợp thiếu các căn cứ chính xác
(thường là trường hợp trong xử lý hình ảnh y tế), đánh giá tính chính xác và mạnh mẽ
của các thuật toán xử lý hình ảnh là rất khó khăn. Một giải pháp đã được đề xuất gần
TÍNH TOÁN LƯỚI 21
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
đây là thiết lập một tiêu chuẩn đồng bằng cách xem xét các "kết quả chính xác" như là
một biến chưa biết và phải được tiên đoán trước (cùng với độ chính xác của nó).
Các ứng dụng được hướng đến là biến đổi hình ảnh y khoa. Biến đổi nhằm mục
đích chuyển một hình ảnh để làm cho nó phù hợp với một số hình ảnh khác theo một
số tiêu chí tương tự và một bộ chuyển đổi thích hợp. Biến đổi cứng là một trường hợp
đặc biệt khi mà các hình ảnh đầu vào được chuyển đổi theo một biến đổi đơn và luân
phiên thành hình ảnh mục tiêu, do đó mang hai dữ liệu khác nhau trong một khung
hình duy nhất. Biến đổi không cứng nhằm đưa ra một biến đổi tinh tế hơn có khả
năng bù đắp cho sự khác biệt về hình dạng giữa hai hình ảnh. Biến đổi hình ảnh y tế
là một bước rất quan trọng để phân tích và so sánh nhiều dữ liệu. Tính chính xác và
mạnh mẽ của các thuật toán biến đổi hình ảnh y tế cũng rất khó để đánh giá.
Ý tưởng chính để áp dụng các kỹ thuật trong tiêu chuẩn đồng để biến đổi là sử
dụng nhiều phương pháp biến đổi khác nhau (khác với được đánh giá) để biến đổi tất
cả các cặp hình ảnh tiềm năng để khai thác tốt hơn sự dư thừa thông tin. Việc triển
khai một phương pháp trên lưới là một ví dụ hoàn hảo về một quy trình động bao gồm
các dịch vụ lưới y tế cốt lõi được cung cấp bởi các Middleware. Một yêu cầu nữa là
việc tìm các dữ liệu hình ảnh có sẵn thuộc một loại nhất định, các dịch vụ biến đổi có
khả năng thực hiện chúng, và rất nhiều tài nguyên để thực hiện tất cả các tính toán.
Mục tiêu cuối cùng của nhiệm vụ này là thiết kế và phát triển một dịch vụ mạng
lưới cho việc biến đổi hình ảnh y tế sẽ là một phần của một chuỗi xử lý hoàn chỉnh đi
từ việc tiếp nhận dữ liệu tại bệnh viện đến việc xử lý và phân tích chúng trên các tài
nguyên tính toán ở xa, lưu trữ chúng trong một hệ thống thông tin dành riêng và tư
vấn các dữ liệu đó bởi các chuyên gia. Bối cảnh chữa trị là điều trị ung thư não, và
đặc biệt là xạ trị. Trong ứng dụng này, các dịch vụ biến đổi lưới sẽ được sử dụng để tổ
chức lại hình ảnh của một bệnh nhân tại các thời điểm khác nhau cho mục đích theo
dõi, và tạo ra một hình ảnh cụ thể cho bệnh nhân nhằm mục đích để phân chia các cấu
trúc não để xác định chính xác các khu vực có thể chiếu xạ và những khu vực cần
tránh.
TÍNH TOÁN LƯỚI 22

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
VIII. Quản lý dữ liệu y tế và tính nhân đạo trong y khoa
Truy cập trên mạng các dữ liệu y tế được quan tâm thực sự trong chẩn đoán lâm
sàng. Hiển thị hồ sơ y tế trên mạng cho phép chẩn đoán từ xa bởi các chuyên gia y tế
những người mà có thể không thuộc trong bất kỳ trung tâm y tế nào và khả năng sử
dụng cơ sở dữ liệu y tế cho mục đích nghiên cứu. Lưới là một cơ hội để ghi lại và phổ
biến ra khắp thế giới lượng dữ liệu y tế khổng lồ. Tuy nhiên, do tính nhạy cảm của
các dữ liệu y tế đòi hỏi phải thực thi các chính sách kiểm soát truy cập các dữ liệu này
một cách chặt chẽ và các thủ tục bảo vệ sự riêng tư để tránh người dùng không có
thẩm quyền có thể truy cập dữ liệu. Dữ liệu y tế bao gồm các hình ảnh y khoa (thường
được lưu trữ ở định dạng DICOM) và các hồ sơ liên quan (thường được lưu trữ trong
cơ sở dữ liệu liên kết). Cả hai hình ảnh và hồ sơ đều được giữ kín và không được truy
cập bởi bất kỳ người dùng nào khác mà không kiểm tra quyền truy cập thích hợp của
họ. Hồ sơ thậm chí còn nhạy cảm hơn so với hình ảnh vì chúng có thể chứa thông tin
cá nhân. Một mạng lưới quản lý dữ liệu y tế cần phải bảo vệ thông tin bệnh nhân từ
bất kỳ người sử dụng trái phép nào. Điều này có thể được thực hiện hiệu quả bằng các
kỹ thuật mã hóa đảm bảo rằng dữ liệu không ở dạng có thể đọc được cả trên đĩa lưu
trữ cũng như trên mạng trong khi truyền dữ liệu đi. Tuy nhiên, mã hóa dữ liệu đòi hỏi
phải quản lý các khóa bảo mật. Một số kỹ thuật đã được đề xuất để bảo vệ các khóa
này nhưng chưa một kỹ thuật nào trong số đó được hiện thực tại thời điểm hiện nay
(chỉ mới phát triển các prototype).
Từ năm 2000, một số bệnh viện ở Thượng Hải đã hợp tác gửi đến các nhà phẫu
thuật thần kinh và bác sĩ gây mê trong tỉnh Vân Nam (Trung Quốc). Mục đích là để
cải thiện phương pháp điều trị phẫu thuật thần kinh nhi khoa và chăm sóc hậu phẫu
trong các tỉnh khó khăn của Trung Quốc.
Để giúp họ trong việc trao đổi dữ liệu, một ứng dụng được gọi là CHINA (Hợp
tác giữa các bệnh viện cho các ứng dụng giải phẫu thần kinh quốc tế) đã được phát
triển để cho phép lưu trữ dữ liệu y tế cho việc chẩn đoán từ xa và theo dõi sau phẫu
thuật. Hồ sơ sức khỏe được cấu tạo bởi hình ảnh y khoa (chụp CT, MRI, X-quang) và

dữ liệu được lưu trữ trên một cơ sở dữ liệu Oracle tại Trung tâm máy tính
CNRSIN2P3 ở Lyon và cho phép truy cập thông qua một cổng web nằm ở Clermont-
TÍNH TOÁN LƯỚI 23
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
Ferrand. Truy cập vào các cổng thông tin yêu cầu xác thực và truyền dữ liệu được mã
hóa.
Tính ứng dụng trong y khoa của ứng dụng được đánh giá thành công bởi các bác
sĩ Pháp và Trung Quốc trong một nhiệm vụ y tế ở Trung Quốc trong mùa thu năm
2004 (Hình 9). Ứng dụng này sẽ được sử dụng để hiện thực và kiểm tra khả năng
quản lý dữ liệu y tế của dự án AGIR.
Hình 9. Một dự án y tế ở Trung Quốc
TÍNH TOÁN LƯỚI 24
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
IX. Kết luận
Phần cứng và phần mềm hỗ trợ xử lý song song và phân tán đã trở thành một
công cụ tự nhiên cho nghiên cứu khoa học và kỹ thuật. Người dùng có thể chọn các
công cụ thích hợp cho nhu cầu của họ, từ các cụm máy trạm (COW) cho đến các máy
hiệu năng cao. Một số lĩnh vực khác, như sinh học cũng đã chuyển sang tính toán
hiệu năng cao. Mặt khác, các nhà cung cấp tính toán lưới cũng là một người sử dụng
lớn của tính toán hiệu năng cao.
Những ràng buộc về bảo vệ sự riêng tư đã cản trở sự phát triển tính toán trên
lưới. Tuy nhiên, tập trung vào vấn đề duy nhất này có thể thấy một trở ngại cơ bản
hơn. Các hệ thống song song và phân phối đã phối hợp phát triển với các ứng dụng
khoa học, trên một nấc thang tăng dần của các thử nghiệm và cải tiến. Thu hẹp
khoảng cách giữa nghiên cứu và thực nghiệm, khoa học tính toán và kỹ thuật, đã được
chứng tỏ là khó khăn hơn.
Các lựa chọn cơ bản của dự án AGIR là việc những thói quen y tế liên quan đến
tính toán thực nghiệm (tương tác, bảo vệ dữ liệu, tuân thủ các tiêu chuẩn) phải được

coi là ưu tiên hàng đầu, chứ không phải giao diện người dùng hoặc các vấn đề thực
tiễn; một trong những mục tiêu của nó là để chứng minh lưới tạo điều kiện cho các
thuật toán phân tích hình ảnh không chỉ hiện thực được, mà còn sử dụng thực tế trên
lưới. Kết quả ban đầu trên một số thành phần - xây dựng lại dữ liệu tương tác trên
EGEE, cho phép một giao diện DCMTK, các thuật toán nén và phương pháp nén - là
rất hứa hẹn, và hy vọng sẽ tích hợp được chúng và tiếp tục nghiên cứu trong tương lai
gần.
TÍNH TOÁN LƯỚI 25