[论文解读] Radiation therapy calculations using an on-demand virtual cluster via cloud computing

Roy Keyes, C Romano+2 more|arXiv (Cornell University)|Sep 27, 2010

Radiation Therapy and Dosimetry参考文献 6被引用 12

一句话总结

本文提出一种基于云的虚拟集群，利用按需计算资源，通过蒙特卡罗模拟加速放射治疗剂量计算。通过利用亚马逊网络服务（AWS）和自定义框架（flsshd），作者展示了可扩展、成本效益高的分布式计算，实现了接近线性的加速（性能为1/n），在临床和研究应用中相比自建集群具有显著的经济优势。

ABSTRACT

Computer hardware costs are the limiting factor in producing highly accurate radiation dose calculations on convenient time scales. Because of this, large-scale, full Monte Carlo simulations and other resource intensive algorithms are often considered infeasible for clinical settings. The emerging cloud computing paradigm promises to fundamentally alter the economics of such calculations by providing relatively cheap, on-demand, pay-as-you-go computing resources over the Internet. We believe that cloud computing will usher in a new era, in which very large scale calculations will be routinely performed by clinics and researchers using cloud-based resources. In this research, several proof-of-concept radiation therapy calculations were successfully performed on a cloud-based virtual Monte Carlo cluster. Performance evaluations were made of a distributed processing framework developed specifically for this project. The expected 1/n performance was observed with some caveats. The economics of cloud-based virtual computing clusters versus traditional in-house hardware is also discussed. For most situations, cloud computing can provide a substantial cost savings for distributed calculations.

研究动机与目标

• 解决临床环境中全蒙特卡罗放射治疗剂量计算的高计算成本和长时间运行问题。
• 评估在分布式、按需的放射治疗计算中使用云计算的可行性与性能。
• 比较基于云的虚拟集群与传统自建计算基础设施在经济与性能方面的权衡。
• 开发并验证一种用于在基于云的虚拟机上执行蒙特卡罗模拟的分布式处理框架（flsshd）。
• 探索云计算与现有治疗计划系统及剂量计算引擎的集成。

提出的方法

• 利用亚马逊网络服务（AWS）创建按需的计算节点虚拟集群，用于分布式蒙特卡罗模拟。
• 开发了一种名为flsshd的自定义分布式处理框架，用于管理云中虚拟机之间的作业分发、执行和数据收集。
• 使用单一蒙特卡罗引擎执行概念验证的放射治疗计算，重点评估性能与可扩展性。
• 通过改变虚拟机数量（n）来测量性能扩展性，观察到预期的1/n加速，仅因网络和I/O开销产生轻微偏差。
• 通过将基于云的按需定价与自建集群的资本和运营成本进行比较，评估成本效率。
• 通过患者标识符匿名化和利用AWS合规框架遵循HIPAA等法规，评估数据安全与合规性。

实验结果

研究问题

• RQ1 云计算能否为计算密集型蒙特卡罗放射治疗剂量计算提供一种可扩展且成本效益高的替代方案，替代自建计算集群？
• RQ2 在分布式蒙特卡罗模拟中，使用虚拟化、按需的云集群能实现多大的性能提升？
• RQ3 与传统自建集群部署相比，基于云的计算在临床和研究性剂量学中的成本如何？
• RQ4 现有蒙特卡罗剂量计算引擎在云环境下的CPU集群上部署时，需要多大程度的修改？
• RQ5 云模型在放射治疗中如何支持突发性工作负载，如机器标定和治疗计划优化？

主要发现

• 基于云的虚拟集群实现了接近线性的性能扩展，随着虚拟机数量增加，观察到的加速接近理论上的1/n提升。
• 云计算的按需定价模式在大多数使用场景下相比自建集群拥有显著的成本节约，尤其适用于低频或突发性工作负载。
• flsshd框架成功管理了在多台虚拟机上分布执行蒙特卡罗模拟，且配置开销极低。
• 通过患者标识符匿名化和利用AWS合规框架遵循HIPAA指南，缓解了数据安全顾虑。
• 研究证实，现有蒙特卡罗引擎可几乎无需修改地部署在基于云的CPU集群上，实现与当前临床工作流程的无缝集成。
• 作者得出结论：云计算是高精度放射治疗剂量计算的一种可行、可扩展且经济的解决方案，尤其适用于复杂或非标准病例。