In these times of pandemic, hospitals are being the focus of many innovations, not only for the adaptation to telemedicine, but also from the perspective of the use and processing of the multiple modalities of medical images, where we find images made up of a single Image such as x-rays, images that are made up of a sequence of images such as tomography and Magnetic Resonance, or in video format as is the case with ultrasound and angiography. One way of working with images is through popular image servers that connect to medical equipment for transfer and storage. In the process of visualization and processing, special workstations with good computational capacity are required for these purposes, in most cases these workstations are connected in the network of medical offices, therefore they are presented in a normal working image display requests at the same time. The methodology presented uses a heterogeneous architecture based on CPU and GPU, in such a way that by means of an algorithm it analyzes the type and dimension of the image to be able to choose where the processing will be carried out, thereby optimizing the use of computational resources. and we can achieve a parallel job that the CPU and GPU are working simultaneously with different imaging modalities. As a result, we present the execution mode of the algorithm where it automatically chooses what type of image is processed by the CPU and what type is processed in the GPU, as well as the execution time in each of them. Finally we can indicate that the algorithm can be scalable towards workstations to optimize its use in clinical practice.

En tiempos de pandemia, los hospitales están siendo el foco de muchas innovaciones, no sólo para la adaptación a la telemedicina, sino también desde la perspectiva del uso y procesamiento de las múltiples modalidades de imágenes médicas, en las que encontramos imágenes formadas por una sola Imagen como las radiografías, imágenes que están formadas por una secuencia de imágenes como la tomografía y la resonancia magnética, o en formato de vídeo como es el caso de la ecografía y la angiografía. Una forma de trabajar con imágenes es a través de los conocidos servidores de imágenes que se conectan a los equipos médicos para su transferencia y almacenamiento. En el proceso de visualización y procesamiento se requieren estaciones de trabajo especiales con buena capacidad computacional para estos fines, en la mayoría de los casos estas estaciones de trabajo están conectadas en la red de consultorios médicos, por lo tanto se presentan en un trabajo normal las solicitudes de visualización de imágenes al mismo tiempo. La metodología presentada utiliza una arquitectura heterogénea basada en CPU y GPU, de tal forma que mediante un algoritmo analiza el tipo y dimensión de la imagen para poder elegir donde se realizará el procesamiento, optimizando así el uso de los recursos computacionales. y lograr así un trabajo paralelo que la CPU y GPU estén trabajando simultáneamente con diferentes modalidades de imagen. Como resultado, presentamos el modo de ejecución del algoritmo en el que se se elige automáticamente qué tipo de imagen es procesada por la CPU y qué tipo es procesada en la GPU, así como el tiempo de ejecución en cada una de ellas. Finalmente, podemos indicar que el algoritmo puede ser escalable hacia estaciones de trabajo para optimizar su uso en la práctica clínica.