A common task within research of neuronal morphology is neuron touch detection, that is finding the points in space where two neurites approach each other to form a synapse. In order to make efficient use of cache memory, it is important to store points that are close in space close in memory. One data structure that aims to tackle this complication is the R*-tree. In this thesis, a spatial query for touch detection was implemented and the scalability of the R*-tree was estimated on realistic neuron densities and extrapolated to explore execution times on larger volumes. It was found that touch detection on this data structure scaled much like the optimal algorithm in 3D-space and more specifically that the computing power needed to analyze a meaningful portion of the human cortex is not readily available. / En vanlig uppgift inom forskning av neuronal morfologi är att hitta var mellan olika neuroner synapser bildas. För att använda cache-minne effektivt är det viktigt att lagra punkter som är nära i rymden nära i minnet. En datastruktur som ämnar att lösa detta är R*-trädet. I denna rapport så implementerades en sökning av rummet och skalbarheten för R*-trädet uppskattades på realistiska neurondensiteter för att sedan extrapoleras och utforska körtider på större volymer. Det konstaterades att denna datastruktur skalade sig mycket som den optimala algoritmen i tredimensionell rymd och mer specifikt att datorkraften som behövs för att analysera en meningsfull del av människans hjärnbark inte är fritt tillgänglig.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-279973 |
| Date | January 2020 |
| Creators | Brask, Anton, Berendt, Filip |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2020:337 |
Page generated in 0.0022 seconds