Röntgen-Computertomographie (CT) und Laminographie sind einzigartige Werkzeuge für die systematische Untersuchung von opaken Materialien und biologischen Proben. Über die spezifische Absorption der durchstrahlten Materialien können innere Strukturen des abgebildeten Objekts beobachtet werden. Bei herkömmlichen CT-Systemen wird das Objekt auf einem rotierenden Probentisch zwischen dem Röntgenstrahl und einem Detektor platziert, der ein zweidimensionales Intensitätsbild der einfallenden Röntgenstrahlen aufnimmt. Bei einer 360°-Drehung des Objekt zwischen Quelle und Detektor werden Röntgenbilder in typischerweise äquidistanten Drehwinkeln aufgenommen. Ein tomographischer Rekonstruktionsalgorithmus wird dann auf die Seuqenz der erfassten Röntgenbilder angewendet, um ein volumetrisches Röntgenbild des Objekts zu berechnen. Dies Bild besteht aus einer dreidimensionalen Anordnung von Volumenelementen (Voxeln). Jedem Voxel ist ein Grauwert zugeordnet, der der Röntgenstrahlenabschwächung im  repräsentierten Volumenelement entspricht. Die Laminographie ist eine spezielle Art der Röntgentomographie, die für flache Proben verwendet wird. Bei einer flachen Probe, wie z.B. einer Leiterplatte oder einem historischen Ölgemälde, steigt bei der CT die Röntgenabsorption in der Probe drastisch an, wenn die lange Kante der Probe nahezu parallel zur Richtung der Röntgenstrahlen liegt. In solchen Fällen ist es vorteilhaft, die Probe zu kippen, so dass die Objektebene nicht parallel zum einfallenden Strahl ist. Die Probe wird dann um einen gegenüber der Flächenormale des Objektes leicht gekippten Vektor gedreht.

Synchrotronanlagen bieten inzwischen eine Flussdichte des Röntgenstrahles an, die in Kombination mit schnellen Bildsensoren die Aufnahme von Tomogrammen in weniger als einer Sekunde erlauben. Kombiniert mit der Korrektur von Bewegungsartefakten hat dies neue Ansätze für 4D (Raum+Zeit) in situ, operando und sogar in vivo-Studien ermöglicht. Mit diesen Methoden lassen sich z.B. die Strukturentwicklung von Materialien,  technologische Prozesse oder biologischen Vorgänge in Zellen oder Geweben und Bewegungsabläufe von kleine Organismen beobachten.

Aufgrund der Komplexität des Versuchsaufbaus sind die Automatisierung und die Versuchsplanung eine Herausforderung. Für einen erfolgreichen automatisierten Scan müssen der Abbildungs- und Probenapparat richtig ausgerichtet und positioniert, die Probe stabilisiert und der Messaufbau während des gesamten Abbildungsprozesses kontrolliert werden. Darüber hinaus ist eine intelligente Steuerung des Bildgebungsprozesses mit einer dynamischen Anpassung der Region of Interest (ROI) besonders schwierig, da sie zusätzlich Online-Informationen über den untersuchten Prozess erfordert. Bei falscher oder zu später Berechnung der Prädiktion kann die ROI vollständig verfehlt werden. Dieses Problem tritt besonders dann auf, wenn die Position der Probe im 4D-Raum nicht a priori bekannt ist oder sich während des Scans ändert. Obwohl zweidimensionale (2D) Röntgenaufnahmen bereits oft gute Informationen für ein schnelles Online-Feedback für vielen Anwendungen enthalten, ist es wünschenswert in bestimmten Fällen Qualitätsmetriken aus der 3D- oder gar 4D-Bildrekonstruktion abzuleiten.

Darüber hinaus ist die zeitliche Abtastung und Dauer von in-vivo-Experimenten, also mit lebenden Objekten derzeit durch Strahlenschäden begrenzt. Die Strahlendosis kann reduziert werden, indem weniger Projektionen zur Rekonstruktion eines einzelnen Tomogramms verwendet werden oder indem die Belichtungszeit für jede Projektion reduziert wird. Bei traditionellen Rekonstruktionstechniken führen beide Ansätze zu Artefakten in der 3D-Darstellung. Auch die Bewegung der Objekte während des Experiments beeinflusst die Rekonstruktionsqualität. Die „Compressed sensing“-Theorie erlaubt die Rekonstruktion von Signalen aus unterabgetasteten Daten. Unvollständige Messungen können so kompensiert werden, und die Bilder lassen sich mit Hilfe eines nichtlinearen Optimierungsschemas auch bei einer geringeren Anzahl von Messungen rekonstruieren. Solche Optimierungstechniken sind jedoch sehr rechenintensiv.

Abbildung 1: In vivo 4D-Cine-Tomographie-Experiment. (a) Objekt, hier Sitophilus granarius, Rückenansicht. (b) Versuchsanordnung für ultraschnelle Röntgenmikrotomographie mit Ablenkmagnet  (1), Rotationstisch (2), fixierte Probe (3) und Detektorsystem (4). (c) Radiographische Projektion. (d) 3D-Rendering des rekonstruierten Volumens mit aufgeschnittenem Thorax und Darstellung der Hüftgelenke (Pfeile). (e) In vivo cine-tomographische Sequenz eines sich bewegenden Rüsselkäfers. (mit freundlicher Genehmigung von T.v.d. Kamp, KIT Imaging Cluster)

In Zusammenarbeit mit dem KIT-Imaging-Cluster entwickeln wir die nächste Generation von Experiment-Kontrollsystemen, um eine schnelle Datenauswertung in die Datenerfassung einzubinden und so die Verfolgung schneller Prozesse mit hoher räumlicher und zeitlicher Auflösung zu ermöglichen. Das entwickelte Kontrollsystem wird derzeit an zwei Experimentierstationen des KIT-Imaging-Clusters eingesetzt. Während wir uns auf Synchrotron-Tomographie und Laminographie konzentrieren, können unsere Technologien leicht an verschiedene Arten von Detektoren übertragen werden. Die aktuell maximal in Echtzeit verarbeitete Datenrate beträgt etwa 8 GB/s und steht für Online-Überwachung, und Steuerung zur Verfügung. Die Software-Plattform ist Open Source und alle Software-Komponenten sind frei verfügbar unter https://github.com/ufo-kit .

Unsere UFO-Plattform (Ultra-Fast tOmography) deckt die gesamte Prozesskette vom Röntgendetektor bis zur Archivierung der Daten ab. Das System umfasst Hardware- und Softwarekomponenten und schlägt eine Entwurfsrichtlinie für die Recheninfrastruktur vor. Primäre Designziele waren ein geringer Verwaltungsaufwand, kosteneffiziente Standardkomponenten und die Möglichkeit, die Ausrüstung in der Synchrotronanlage zu verteilen. Wichtige Komponenten des Frameworks sind Vernetzung, Treiber für wissenschaftliche Kameras, Rechnerinfrastruktur und Kontrollsystem.

Der Datenfluss ist wie in Abb. 2 skizziert organisiert. Zunächst werden die Daten mit einer einzigen GPU direkt an der Kamerastation vorverarbeitet. In dieser Phase wird die mögliche Rückkopplung auf der Basis von 2D-Projektionen an die Beamline-Instrumentierung zurückgegeben. Nach der Online-Datenreduktion werden die Bilddaten dann an das verteilte UFO-Kontrollsystem zur 3D-Rekonstruktion und Datenanalyse weitergeleitet. Hier werden Informationen für eine zweite Rückkopplungsschleife auf der Grundlage der rekonstruierten 3D-Bilder extrahiert. Weiter werden die Rohdaten an den Hochgeschwindigkeits-Streaming-Speicher übertragen .

Abbildung 2:  Das UFO-Datenflussdiagramm vom Detektor bis zur Archivierung der Daten.

Zum Aufbau des DAQ-Netzwerks verwenden wir vier verschiedene Arten von Knoten: Kamerastation, Master-Server, Rechenknoten und Speicherknoten. Die Architektur ist in Abb. 3 skizziert. Ein Infiniband-Netzwerk verbindet die Systemkomponenten. Die Kamerastation ist Teil der Experimentierstation, während die anderen Komponenten sich außerhalb befinden und über eine optische Infiniband-Verbindung mit der Kamerastation verbunden sind.

Abbildung 3: Die Architektur des verteilten UFO-Kontrollsystems

Mehrere Softwarekomponenten wurden entwickelt, um die Anforderungen des UFO-Kontrollsystems zu erfüllen. Einen Überblick über die zur Realisierung der im UFO-Kontrollsystem verwendeten Softwarekomponenten gibt Abb. 4. Das zentrale Element des Systems ist das parallele UFO-Bildverarbeitungs-Framework. Das Steuerungssystem „Concert“ ermöglicht den Aufbau bildbasierter Regelkreise durch die Integration des UFO-Frameworks und der Beamline-Instrumentierung. Die Schnittstelle zu den Kameras wird durch die „Unified Camera Access Library“ (libuca) bereitgestellt. Neben kommerziellen Kameras sind eine Reihe von am IPE entwickelten programmierbaren Streaming-Kameras eingebunden. Um die Vorteile der hohen Datenübertragungsraten des Infiniband-Netzwerks voll auszuschöpfen, wurde die „KIT Infiniband Remote Communication-Bibliothek“ KIRO entwickelt. Sie unterstützt das native Infiniband-RDMA-Protokoll. Die Bibliothek kann Datenübertragungsraten von bis zu 4,7 GB/s und Latenzen in der Größenordnung von 20 us für den Infiniband FDR-Standard erreichen.

Abbildung 4: Überblick über den UFO-Software-Stack.

Die Messergebnisse werden während des Experiments zunächst mit dem FastWriter-Modul auf die Hochgeschwindigkeitspartition des UFO-Echtzeitspeichers gestreamt und später, nach Abschluss des Experimentes,  in der „Large Scale Data Facility (LSDF)“ des KIT archiviert. Um eine schnelle Vorschau auf die archivierten 3D-Datensätze zu ermöglichen, wurde die Webanwendung Web Analysis of Volumes (WAVe) entwickelt.  Viele neuere mobile Geräte sind mit leistungsfähigen GPU-Adaptern ausgestattet und können die von WAVe angebotene Visualisierung der 3D-Volumen anzeigen.

UFO-Bildverarbeitungs-Framework

Das zentrale Element des Systems ist das Bildverarbeitungs-Framework UFO. Der Bildverarbeitungs-Workflow wird durch einen strukturierten Graphen konfiguriert, wobei jeder Knoten einen Operator darstellt. Das UFO-Framework enthält per Design mehrere Parallelitätsebenen: feinkörnige massive Parallelität, Pipelining und die gleichzeitige Ausführung von Verzweigungen innerhalb des Graphen. Die Bildverarbeitungsalgorithmen in der Bibliothek sind in OpenCL implementiert und sorgfältig für aktuelle GPU-Architekturen von AMD und NVIDIA optimiert.

Abbildung 5: Beispielhafte graphische Darstellung eines Tomographie-Workflows im UFO-Framework.

Der UFO-Scheduler ist so programmiert, dass er Multi-GPU- und Cluster-Setups ermöglicht. Die Basis für den Scheduler ist ein Graph der Prozessierungsschritte und die Beschreibung der verfügbaren Hardware, wie Anzahl von GPUs, CPUs und Remote-Computerknoten und wie auf sie zugegriffen werden kann. Der Scheduler versucht, die beste Lösung der Aufgaben für die verfügbare Hardware zu finden. In den meisten Fällen wird die Hardware jedoch nicht vollständig genutzt, da in der Regel weit mehr Recheneinheiten als Rechenschritte vorhanden sind. Um dieser Situation Rechnung zu tragen, erweitert der Scheduler den Aufgabengraphen, indem er die Struktur des Graphen untersucht. Jede Sequenz, die potenziell auf GPUs ausgeführt werden können, wird dupliziert und in die graphische Darstellung des Workflows eingefügt. Zur Ausführungszeit werden dann diese Sequenzen einer GPU zugeordnet, um Speichertransfers zwischen den GPUs zu vermeinden.

Dieselbe Idee wird zur Unterstützung des Clustering verwendet: Sequenzen langlaufender Berechnungen werden identifiziert, gekapselt und die Beschreibung an den Remote-Knoten gesendet. Im ursprünglichen Graphen sendet ein Datenaustauschknoten Daten an den eingebundenen Rechenknoten und empfängt die resultierenden Daten von dort, wodurch die Daten wieder in den ursprünglichen Graphen eingefügt werden.  An jedem Berechnungsknoten wird ein UFO-Dämon gestartet, der auf Anfragen vom Master-Prozess wartet. Wenn das UFO-Framework Daten zur Verarbeitung an einen Dämon übertragen möchte, sendet es eine Anforderung an den Dämon und bittet ihn, einen leeren Puffer mit ausreichender Größe für die Speicherung der zu sendenden Daten vorzubereiten. Sobald der Dämon diese Anfrage bestätigt hat, werden die tatsächlichen Daten, die sich im Puffer befinden, gesammelt und an den Dämon gesendet, der sie in dem neu erstellten, leeren Puffer ablegt. Von diesem Zeitpunkt an geht die Berechnung auf dem Dämon auf die gleiche Weise weiter wie in einer normalen, lokalen UFO-Kette. Und nachdem die Berechnungen abgeschlossen sind, geschieht dasselbe noch einmal, nur in der entgegengesetzten Richtung.

Steuerungssystem "Concert”

Das High-Level-Steuerungssystem "Concert" dient zur Steuerung der Beamline-Instrumentierung und zur Kontrolle des Experimentverlaufs. Es basiert auf dem UFO-Framework und soll bildbasierte Regelkreise durch die Integration von Echtzeit-Datenverarbeitung und Beamline-Instrumentierung ermöglichen. Die Regelkreise werden durch einfach zu schreibende Python-Skripte unter Verwendung von Komponenten, die von "Concert" und dem UFO-Framework bereitgestellt werden, implementiert. "Concert" definiert Schnittstellen für an bildgebenden Beamlines häufig verwendete Standardkomponenten, wie zum Beispiel  Hochgeschwindigkeitskameras, Rotations- und Linearmotoren, Probenwechsler, Strahlmonochromatoren usw. Um ein gemeinsames Zugriffsschema für verschiedene Hochgeschwindigkeitskameras zu realisieren, wird die "Unified Camera Abstraction Library" (libuca) verwendet. libuca arbeitet mit lokalen und entfernten Kameras und ist in der Lage, Übertragungsraten bis zu 5000 Bildern pro Sekunde zu erreichen (bei einer 8-Bit 1-Megapixel-Kamera und FDR-Infiniband-Verbindungen). Zur Kommunikation mit Standardgeräten wird ein Tango-Wrapper verwendet. Für die Arbeit mit Aerotech- und Compact RIO-basierten Motoren und einer Vielzahl anderer Geräte werden dedizierte Komponenten bereitgestellt.  "Concert" vereinfacht Standardoperationen wie die Ausrichtung der Rotationsachse, die Fokussierung der Kamera, das Auffinden und Zentrieren des Strahls erheblich. Schließlich lässt sich "Concert" auch in das Datenverwaltungssystem integrieren. Metadaten über die Prozessparameter werden automatisch von den Instrumenten abgerufen, können aber auch vom Benutzer erweitert werden und werden zusammen mit den Messdaten gespeichert.

Rekonstruktion in Echtzeit

Für die tomographische Rekonstruktion in Echtzeit bietet das UFO-Framework zwei Methoden an: Gefilterte Rückprojektion (FBP) und Direkte Fourier Inversion (DFI). Verglichen mit dem meist verwendeten FBP-Algorithmus ist DFI empfindlicher gegenüber Rauschen, aber etwas schneller. Beide Algorithmen sind für die GPU-Architektur implementiert und optimiert. Darüber hinaus bieten wir Rekonstruktionsmodi mit reduzierter Genauigkeit. Die verringerte Bildqualität ist für Echtzeitanwendungen oft akzeptabel. Sie beschleunigt die Ausführung, während die erzeugten Ergebnisse immer noch ausreichend sind, um zuverlässige Entscheidungen im Experimentierbetrieb zu treffen. Wie in Abb. 6 dargestellt, übertrifft die UFO-Implementation der Rekonstruktionsalgorithmen die Performanz des populären ASTRA-Toolkits deutlich. Die optimierten Algorithmen erreichen einen Durchsatz von 1 GB/s auf einer einzelnen GPU und bis zu 8 GB/s auf einem GPU-Server. Diese Verarbeitungsgeschwindigkeit übertrifft die Datenraten der derzeit existierenden wissenschaftlichen Kameras deutlich. Neben der Echtzeit-Rekonstruktion können die entwickelten Algorithmen auch zur Beschleunigung der ansonsten langsamen Low-Dose-Rekonstruktion eingesetzt werden, die normalerweise offline durchgeführt wird. Weitere Einzelheiten zu den entwickelten Algorithmen sind veröffentlicht in

S. Chilingaryan et al. "Balancing load of GPU subsystems to accelerate image reconstruction in parallel beam tomography", In Proc. of SBAC-PAD, Lyon 2018.

zu finden.

Abbildung 6: Performance der tomographischen Rekonstruktionauf einer GPU NVIDIA Titan X mit Pascal-Mikroarchitektur. Auf der x-Achse sind die Abmessungen des rekonstruierten Bildes dargestellt.

Projekte

Für Studierende

Wir bieten durchgehend Themen für studentische Arbeiten rund um die Computertomographie an. Wir erwarten von den Studenten Erfahrungen in der Bildverarbeitung und gute Python-Programmierkenntnisse. Einige Themen erfordern ein gutes Verständnis von GPU-Architekturen und Erfahrungen mit parallelen Programmiertechniken. Bitte kontaktieren Sie uns, wenn Sie Interesse an Hochleistungsrechnen und -tomographie haben. Die Palette möglicher Themen ist breit gefächert:

  • Allgemeine Bildverarbeitung: Rauschunterdrückung, Artefaktkompensation, etc.
  • Entwicklung von spezifischen Algorithmen für die tomographische Rekonstruktion
  • Parallelisierung und Optimierung von Bildverarbeitungssoftware
  • Bewegungserkennung („Optical Flow“), Bildsegmentierung und Visualisierung

Publikationen


Revealing the dynamics of ultrarelativistic non-equilibrium many-electron systems with phase space tomography
Funkner, S.; Niehues, G.; Nasse, M. J.; Bründermann, E.; Caselle, M.; Kehrer, B.; Rota, L.; Schönfeldt, P.; Schuh, M.; Steffen, B.; Steinmann, J. L.; Weber, M.; Müller, A.-S.
2023. Scientific Reports, 13 (1), Art.-Nr.: 4618. doi:10.1038/s41598-023-31196-5
Tofu : a fast, versatile and user-friendly image processing toolkit for computed tomography
Faragó, T.; Gasilov, S.; Emslie, I.; Zuber, M.; Helfen, L.; Vogelgesang, M.; Baumbach, T.
2022. Journal of Synchrotron Radiation, 29 (3), 916–927. doi:10.1107/S160057752200282X
Crystalline phase discriminating neutron tomography using advanced reconstruction methods
Ametova, E.; Burca, G.; Chilingaryan, S.; Fardell, G.; J rgensen, J. S.; Papoutsellis, E.; Pasca, E.; Warr, R.; Turner, M.; Lionheart, W. R. B.; Withers, P. J.
2021. Journal of Physics D: Applied Physics, 54 (32), Art.-Nr.: 325502. doi:10.1088/1361-6463/ac02f9
Phase space tomography at MHz-repetition rates at KARA
Funkner, S.; Niehues, G.; Nasse, M.; Bründermann, E.; Caselle, M.; Kehrer, B.; Rota, L.; Schönfeldt, P.; Schuh, M.; Steffen, B.; Steinmann, J.; Weber, M.; Müller, A.-S.
2020, September 24. 8th MT ARD ST3 Meeting 2020, Karlsruhe, Deutschland (2020), Online, 23.–24. September 2020
Ultra-fast and sensitive detection of pulsed and continuous THz waves
Raasch, J.; Thoma, P.; Scheuring, A.; Ilin, K.; Wünsch, S.; Siegel, M.; Smale, N.; Judin, V.; Hiller, N.; Müller, A.-S.; Semenov, A.; Hübers, H.-W.; Caselle, M.; Weber, M.; Hänisch, J.; Holzapfel, B.
2013, Februar 1. KSETA Inauguration Symposium (2013), Karlsruhe, Deutschland, 1. Februar 2013
Real-time Reconstruction for Synchrotron Tomography
Chilingaryan, S. A.
2020, Mai 12. Lunch and learn session at Photon Science Institute, University of Manchester (2020), Manchester, Vereinigtes Königreich, 12. Mai 2020
Revealing the dynamics of ultrarelativistic non-equilibrium many-electron systems with phase space tomography
Funkner, S.; Niehues, G.; Nasse, M. J.; Bründermann, E.; Caselle, M.; Kehrer, B.; Rota, L.; Schönfeldt, P.; Schuh, M.; Steffen, B.; Steinmann, J. L.; Weber, M.; Müller, A.-S.
2019
Reviewing GPU architectures to build efficient back projection for parallel geometries
Chilingaryan, S.; Ametova, E.; Kopmann, A.; Mirone, A.
2019. Journal of real-time image processing, 17 (5), 1331–1373. doi:10.1007/s11554-019-00883-w
WAVe - Accelerating Remote Visualization of Large Volumes
Chilingaryan, S. A.
2019. YerPhI Seminar (2019), Jerewan, Armenien, 16. Mai 2019
Balancing Load of GPU Subsystems to Accelerate Image Reconstruction in Parallel Beam Tomography
Chilingaryan, S.; Ametova, E.; Kopmann, A.; Mirone, A.
2019. 2018 30th International Symposium on Computer Architecture and High Performance Computing: SBAC-PAD 2018 ; Lyon, France, 24-27 September 2018 ; Proceedings, 158–166, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/CAHPC.2018.8645862
X-ray topo-tomography studies of linear dislocations in silicon single crystals
Asadchikov, V.; Buzmakov, A.; Chukhovskii, F.; Dyachkova, I.; Zolotov, D.; Danilewsky, A.; Baumbach, T.; Bode, S.; Haaga, S.; Hänschke, D.; Kabukcuoglu, M.; Balzer, M.; Caselle, M.; Suvorov, E.
2018. Journal of applied crystallography, 51 (6). doi:10.1107/S160057671801419X
Software-based compensation of instrument misalignments for X-ray computed tomography dimensional metrology
Ametova, E.; Ferrucci, M.; Chilingaryan, S.; Dewulf, W.
2018. Precision engineering, 54, 233–242. doi:10.1016/j.precisioneng.2018.05.016
Status of the Ultra Fast Tomography Experiments Control at ANKA
Haas, D.; Mexner, W.; Spangenberg, T.; Cecilia, A.; Vagovic, P.; Kopmann, A.; Balzer, M.; Vogelgesang, M.; Pasic, H.; Chilingaryan, S.
2012. 9th International Workshop on Personal Computers and Particle Accelerator Controls (PCaPAC 2012), Kolkata, IND, December 4-7, 2012, 103–105, JACoW Publishing
UFO — a scalable platform for high-speed synchrotron X-ray imaging
Kopmann, A.; Chilingaryan, S.; Vogelgesang, M.; Dritschler, T.; Shkarin, A.; Shkarin, R.; Santos Rolo, T. dos; Farago, T.; Kamp, T. Van de; Balzer, M.; Caselle, M.; Weber, M.
2016. 2016 IEEE Nuclear Science Symposium, Medical Imaging Conference and Room-Temperature Semiconductor Detector Workshop (NSS/MIC/RTSD), Strasbourg, France, 29 October–6 November 2016, 1–5, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/NSSMIC.2016.8069895
A computationally inexpensive model for estimating dimensional measurement uncertainty due to x-ray computed tomography instrument misalignments
Ametova, E.; Ferrucci, M.; Chilingaryan, S.; Dewulf, W.
2018. Measurement science and technology, 29 (6), Art. Nr.: 065007. doi:10.1088/1361-6501/aab1a1
Visualisation of Ultrasound Computer Tomography Breast Dataset
Jerome, N. T.; Ateyev, Z.; Lebedev, V.; Hopp, T.; Zapf, M.; Chilingaryan, S.; Kopmann, A.
2017. Proceedings of the International Workshop on Medical Ultrasound Tomography: 1.- 3. Nov. 2017, Speyer, Germany. Hrsg.: T. Hopp, 349–359, KIT Scientific Publishing. doi:10.5445/IR/1000080283
WAVE: A 3D Online Previewing Framework for Big Data Archives
Jerome, N. T.; Chilingaryan, S.; Shkarin, A.; Kopmann, A.; Zapf, M.; Lizin, A.; Bergmann, T.
2017. IVAPP 2017 : 8th International Conference on Information Visualization Theory and Applications, Porto, Portugal, 27. Februar - 1. März.2017. Vol.: 3. Ed.: L. Linsen (IVAPP is part of VISIGRAPP, the 12th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications), 152–163, SciTePress. doi:10.5220/0006228101520163
The NOVA project: maximizing beam time efficiency through synergistic analyses of SRμCT data
Schmelzle, S.; Heethoff, M.; Heuveline, V.; Lösel, P.; Becker, J.; Beckmann, F.; Schluenzen, F.; Hammel, J. U.; Kopmann, A.; Mexner, W.; Vogelgesang, M.; Jerome, N. T.; Betz, O.; Beutel, R.; Wipfler, B.; Blanke, A.; Harzsch, S.; Hörnig, M.; Baumbach, T.; Kamp, T. Van de
2017. Developments in X-Ray Tomography XI, San Diego, CA, August 6-10, 2017. Ed.: B. Müller, 103910P, Society of Photo-optical Instrumentation Engineers (SPIE). doi:10.1117/12.2275959
Syris : A flexible and efficient framework for X-ray imaging experiments simulation
Farago, T.; Mikulik, P.; Ershov, A.; Vogelgesang, M.; Hänschke, D.; Baumbach, T.
2017. Journal of synchrotron radiation, 24 (6), 1283–1295. doi:10.1107/S1600577517012255
Uncertainty quantification in dimensional measurements by computed tomography due to uncertainty in data acquisition geometrical parameters
Ametova, E.; Ferrucci, M.; Chilingaryan, S.; McCarthy, M.; Dewulf, W.
2016. 31st Annual Meeting of the American Society for Precision Engineering (ASPE), Portland, OR, USA; 23 - 28 October 2016, 287–292, ASPE
High-throughput data acquisition and processing for real-time X-ray imaging
Vogelgesang, M.; Rota, L.; Perez, L. E. A.; Caselle, M.; Chilingaryan, S.; Kopmann, A.
2016. Developments in X-Ray Tomography X, San Diego, United States, 29 - 31 August, 2016, Art. Nr.: 996715, Society of Photo-optical Instrumentation Engineers (SPIE). doi:10.1117/12.2237611
UFO - a scalable platform for high-speed synchrotron X-ray imaging
Kopmann, A.; Chilingaryan, S.; Vogelgesang, M.; Dritschler, T.; Shkarin, A.; Shkarin, R.; Santos Rolo, T. dos; Farago, T.; Kamp, T. van de; Balzer, M.; Caselle, M.; Weber, M.; Baumbach, T.
2016. IEEE Nuclear Science Symposium (NSS) and Medical Imaging Conference (MIC), Strasbourg, F, October 29 - November 5, 2016
High-throughput data acquisition and processing for real-time X-ray imaging
Vogelgesang, M.; Rota, L.; Ardila Perez, L. E.; Caselle, M.; Chilingaryan, S.; Kopmann, A.
2016. Developments in X-Ray Tomography X, San Diego, CA, August 29-31, 2016. Ed.: S.R. Stock, 996715/1–9, Society of Photo-optical Instrumentation Engineers (SPIE)
High-throughput data acquisition and processing for real-time X-ray imaging
Vogelgesang, M.; Rota, L.; Ardila Perez, L. E.; Caselle, M.; Chilingaryan, S.; Kopmann, A.
2016. Developments in X-Ray Tomography X, San Diego, CA, August 29-31, 2016
Real-time image-content-based beamline control for smart 4D X-ray imaging
Vogelgesang, M.; Farago, T.; Morgeneyer, T. F.; Helfen, L.; Dos Santos Rolo, T.; Myagotin, A.; Baumbach, T.
2016. Journal of synchrotron radiation, 23, 1254–1263. doi:10.1107/S1600577516010195
Adapting filtered back projection algorithm for various parallel architectures
Chilingaryan, S.
2016. Topical Workshop on Parallel Computing for Data Acquisition and Online Monitoring, Karlsruhe, February 7-8, 2016
Fast and time-resolved tomography at ANKA: Applications, infrastructure and data management
Kamp, T. Van de; Santos Rolo, T. dos; Farago, T.; Kopmann, A.; Vogelgesang, M.; Chilingaryan, S.; Ershov, A.; Baumbach, T.
2015. 12th International Conference on Synchrotron Radiation Instrumentation (SRI 2015), New York, N.Y., July 6-10, 2015
Advanced algorithms for tomography
Chilingaryan, S.; Ametova, E.; Buldygin, R.; Shkarin, A.; Vogelgesang, M.
2015. YerPhI CRD Seminar, Yerevan Physics Institute, Yerevan, ARM, May 19, 2015
A control system and streaming DAQ platform with image-based trigger for X-ray imaging
Stevanovic, U.; Caselle, M.; Cecilia, A.; Chilingaryan, S.; Farago, T.; Gasilov, S.; Herth, A.; Kopmann, A.; Vogelgesang, M.; Balzer, M.; Baumbach, T.; Weber, M.
2015. IEEE transactions on nuclear science, 62, 911–918. doi:10.1109/TNS.2015.2425911
GPU-optimized direct Fourier method for on-line tomography
Shkarin, R.; Ametova, E.; Chilingaryan, S.; Dritschler, T.; Kopmann, A.; Mirone, A.; Shkarin, A.; Vogelgesang, M.; Tsapko, S.
2015. Fundamenta informaticae, 141 (2-3), 245–258. doi:10.3233/FI-2015-1274
An Extensible Parallel Computing Framework for Ultra-Fast X-Ray Imaging. Dissertation
Vogelgesang, M.
2014. Karlsruher Institut für Technologie (KIT). doi:10.5445/IR/1000048019
An extensible parallel computing framework for ultra-fast X-ray imaging
Vogelgesang, M.
2015. Vortr.: Helmholtz-Zentrum Dresden-Rossendorf, 11.Mai 2015
GPU-based data analysis with the UFO framework
Vogelgesang, M.
2015. PNI-HDRI Spring Meeting, DESY, Hamburg, April 13-14, 2015
GPU-based image processing with the UFO framework
Vogelgesang, M.
2015. DESY Hamburg, 18.März 2015
Data workflows, integration with UFO and ANKA environment
Vondrous, A.; Jejkal, T.; Dapp, R.; Stotzka, R.; Mexner, W.; Ressmann, D.; Mauch, V.; Kopmann, A.; Vogelgesang, M.; Farago, T.; Kamp, T. van de
2015. 3rd ASTOR Working Day, Karlsruhe, March 19, 2015
Integrated control system environment for high-throughput tomography
Khokhriakov, I.; Lottermoser, L.; Gehrke, R.; Kracht, T.; Wintersberger, E.; Kopmann, A.; Vogelgesang, M.; Beckmann, F.
2014. Optics and Photonics 2014, San Diego, Calif., August 17-21, 2014
The UFO DAQ-framework for high-performance data acquisition in synchrotron applications
Kopmann, A.; Balzer, M.; Caselle, M.; Chilingaryan, S.; Dritschler, T.; Farago, T.; Herth, A.; Rota, L.; Stevanovic, U.; Vogelgesang, M.; Weber, M.
2014. Science 3D Workshop, Hamburg June 2-4, 2014
Integrated control system environment for high-throughput tomography
Khokhriakov, I.; Lottermoser, L.; Gehrke, R.; Kracht, T.; Wintersberger, E.; Kopmann, A.; Vogelgesang, M.; Beckmann, F.
2014. Developments in X-Ray Tomography IX : Proceedings of Optics and Photonics 2014, San Diego, CA, August 18-20, 2014. Ed.: S. R. Stock, Article no 921217, Society of Photo-optical Instrumentation Engineers (SPIE). doi:10.1117/12.2060975
Characterization of the CCD and CMOS cameras for grating-based phase-contrast tomography
Lytaev, P.; Hipp, A.; Lottermoser, L.; Herzen, J.; Greving, I.; Khokhriakov, I.; Meyer-Loges, S.; Plewka, J.; Burmester, J.; Caselle, M.; Vogelgesang, M.; Chilingaryan, S.; Kopmann, A.; Balzer, M.; Schreyer, A.; Beckmann, F.
2014. Optics and Photonics 2014, San Diego, Calif., August 17-21, 2014
Characterization of the CCD and CMOS cameras for grating-based phase-contrast tomography
Lytaev, P.; Hipp, A.; Lottermoser, L.; Herzen, J.; Greving, I.; Khokhriakov, I.; Meyer-Loges, S.; Plewka, J.; Burmester, J.; Caselle, M.; Vogelgesang, M.; Chilingaryan, S.; Kopmann, A.; Balzer, M.; Schreyer, A.; Beckmann, F.
2014. Developments in X-Ray Tomography IX : Proceedings of Optics and Photonics 2014, San Diego, CA, August 18-20, 2014. Ed.: S. R. Stock, Article no 921218, Society of Photo-optical Instrumentation Engineers (SPIE). doi:10.1117/12.2061389
Real-time X-ray image reconstruction at ANKA
Vogelgesang, M.
2014. Workshop on Fast Data Processing on GPUs, Dresden, May 15, 2014
Practical introduction to parallel computing with the UFO framework
Vogelgesang, M.
2014. Science 3D Workshop, Hamburg June 2-4, 2014
UFO + Concert. High-throughput data stream processing
Vogelgesang, M.
2014. PaNdata ODI Open Workshop (POOW’14), Amsterdam, NL, September 25, 2014
UFO - Status and perspectives of ultrafast X-ray imaging at ANKA
Chilingayan, S.; Balzer, M.; Caselle, M.; Santos Rolo, T. dos; Dritschler, T.; farago, T.; Kopmann, A.; Stevanovic, U.; Kamp, T. van de; vogelgesang, M.; Asadchikov, V.; Baumbach, T.; Myagotin, A.; Tsapko, S.; Weber, M.
2014. Deutsche Tagung für Forschung mit Synchrotronstrahlung, Neutronen und Ionenstrahlen an Großgeräten (SNI 2014), Bonn, 21.-23. September 2014
When hardware and software work in concert
Vogelgesang, M.; Kopmann, A.; Farago, T.; Santos Rolo, T. dos; Baumbach, T.
2013. 14th International Conference on Accelerator and Large Experimental Physics Control Systems, San Francisco, Calif., October 6-11, 2013
When hardware and software work in concert
Vogelgesang, M.; Kopmann, A.; Farago, T.; Santos Rolo, T. dos; Baumbach, T.
2013. 14th International Conference on Accelerator and Large Experimental Physics Control Systems, San Francisco, Calif., October 6-11, 2013 Proceedings Publ.Online Paper TUPPC044
GPU-based data processing for ultrafast X-ray imaging
Vogelgesang, M.
2014. KSETA Plenary Workshop, Bad Herrenalb, 24.-26.Februar 2014
Extensible parallel computing for ultrafast X-ray imaging
Vogelgesang, M.
2013. HDRI/PanData Workshop, Hamburg, 4.-5.März 2013
Experiment control for high-speed tomography
Vogelgesang, M.; Farago, T.; Rolo, T.; Kopmann, A.; Mexner, W.; Baumbach, T.
2013. 27th Tango Collaboration Meeting, Barcelona, E, May 21-24, 2013
Optimized computed tomography and laminography algorithms. High speed tomography
Chilingaryan, S.; Kopmann, A.; Myagotin, A.; Vogelgesang, M.
2011. Workshop on IT Research and Development at ANKA, Karlsruhe, July 19, 2011
Status of the ultra fast tomography experiments control at ANKA
Haas, D.; Mexner, W.; Spangenberg, T.; Cecilia, A.; Kopmann, A.; Balzer, M.; Vogelgesang, M.; Pasic, H.; Chilingaryan, S.
2012. 9th Internat.Workshop on Personal Computers and Particle Accelerator Controls (PCaPAC-2012), Kolkata, IND, December 4-7, 2012
UFO: A scalable GPU-based image processing framework for on-line monitoring
Vogelgesang, M.; Chilingaryan, S.; Santos Rolo, T. dos; Kopmann, A.
2012. 14th Internat.Conf.on High Performance Computing and Communication (HPCC9) and 9th Internat.Conf.on Embedded Software and Systems (ICESS), Liverpool, GB, June 25-27, 2012
UFO: A scalable GPU-based image processing framework for on-line monitoring
Vogelgesang, M.; Chilingaryan, S.; Santos Rolo, T. dos; Kopmann, A.
2012. 14th Internat.Conf.on High Performance Computing and Communication (HPCC9) and 9th Internat.Conf.on Embedded Software and Systems (ICESS), Liverpool, GB, June 25-27, 2012. Ed.: G. Min, 824–829, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/HPCC.2012.116
A high performance platform for real-time X-ray imaging
Chilingaryan, S. A.; Caselle, M.; Kamp, T. van de; Kopmann, A.; Mirone, A.; Stevanovic, U.; Santos Rolo, T. dos; Vogelgesang, M.
2012. GPU Technology Conf.2012 (GTC), San Jose, Calif., May 14-17, 2012
Flexible X-ray image processing on GPUs
Vogelgesang, M.; Chiligaryan, S.; Kopmann, A.
2011. Internat.Conf.for High Performance Computing, Networking, Storage and Analysis (SC’11), Seattle, Wash., November 12-18, 2011
KIT Kamera System für UFO
Balzer, M.; Caselle, M.; Chilingaryian, S.; Herth, A.; Kopmann, A.; Stevanovic, U.; Vogelgesang, M.; Santos Rolo, T. dos
2012. Tagung der Studiengruppe für Elektronische Instrumentierung (SEI), Dresden-Rossendorf, 12.-14.März
Evaluation of fast tomography computing platforms
Chilingaryan, S.; Vogelgesang, M.; Kopmann, A.
2011. Meeting of the High Data Rate Processing and Analysis Initiative (HDRI), Hamburg, May 16, 2011
High speed tomography at KIT
Chilingaryan, S.
2011. Meeting on Tomographic Reconstruction Software, Grenoble, F, March 30 - April 1, 2011
The XMLbench project: comparison of fast, multi-platform XML libraries
Chilingaryan, S.
2009. Chen, L. [Hrsg.] Database Systems for Advanced Applications : DASFAA 2009 Internat.Workshops: BenchmarX, MCIS, WDPP, PPDA, MBC, PhD, Brisbane, AUS, April 20-23, 2009 Berlin [u.a.] : Springer, 2009 (Lecture Notes in Computer Science ; 5667)
The XMLbench project: comparison of fast, multi-platform XML libraries
Chilingaryan, S.
2009. Chen, L. [Hrsg.] Database Systems for Advanced Applications : DASFAA 2009 Internat.Workshops: BenchmarX, MCIS, WDPP, PPDA, MBC, PhD, Brisbane, AUS, April 20-23, 2009 Berlin [u.a.] : Springer, 2009 (Lecture Notes in Computer Science ; 5667), 21–34