Estudio de aceleración de un algoritmo de eliminación de ruido de tomografía de rayos X usando técnicas de aprendizaje automático en TPU

Abstract

La tomografía computarizada se basa en el procesamiento para obtener imágenes por secciones mediante un tomógrafo de rayos X. Sin embargo, dichas imágenes podrán contener ruido o disponer de escasa información. Actualmente, la computación de imágenes es un proceso costoso para las CPUs tradicionales y también para las GPUs dedicadas a cálculo matricial y algebraico. Una alternativa que está en auge es el empleo de aceleradores hardware especializados para la ejecución de redes neuronales artificiales. Una alternativa son las TPUs (Tensor Processing Unit o unidad de procesamiento tensorial); TPUs circuitos integrados para procesar y acelerar específicamente inteligencia artificial, especialmente, el aprendizaje automático con redes neuronales con TensorFlow. Actualmente se podría acelerar el procesado mediante GPU, pues para ciertos tratamientos de aprendizaje automático, como realizar el cálculo de un conjunto de neuronas (unidades conectadas entre sí), la transmisión de la información y la realización de operaciones que producen valores de salida; sin embargo, mediante el Hardware especializado TPU se prevé una mejora de rendimiento y de optimización. El objetivo es estudiar la aceleración de un algoritmo de aprendizaje automático usando TPUs, concretamente un algoritmo de eliminación de ruido de tomografía de rayos X.