FPGA在计算复杂的医疗成像设备中的应用

医疗成像设备在医疗保健领域继续发挥着越来越重要的作用，成像技术正在增加并向新的应用领域扩张。为了满足市场的需求，系统设计必须具备灵活性，还需要着重提高诊断图片的质量，方便病人以及降低成本。为了提供这些预期功能，系统开发人员开始转用FPGA。

尽早诊断和治疗正在推动成像技术的使用和混合技术的融合，如正电子发射断层扫描（PET）和电脑断层扫描（CT）。要得到所需要的更高分辨率的图像，需要采用精确的几何微阵列检测器和复杂的软件/硬件系统对光子和电子信号进行分析。这些系统必须对数量不断增加的图像数据（高达10 Gbits/s）进行高精度且极快速的处理。此外，为了降低病人的医疗费用，设备还存在成本的压力，因而必须具有较长的使用寿命。因此需要能在其有效使用期间升级功能和算法的更灵活的系统。越来越多的工程师们不得不采用可编程组件，如高性能中央处理器（CPU）和现场可编程门阵列（FPGA）。

要开发高效且灵活的医学成像设备，必须要考虑到以下因素：

? 成像算法的开发需要高级直观的建模工具，以便针对数字信号处理(DSP)做持续改进。

? 近似实时分析所需要的性能要求系统平台同时配备软件(CPU)和硬件FPGA。

? 系统架构师和设计工程师需要在这些平台上快速地分割和调试算法，采用最新的工具和知识产权（IP）库来加速其部署和提高收益。

成像算法

图像增强通常与卷积（线性）过滤一同完成。高通滤波可提高图像的细节，但同时也使得噪音更明显。低通滤波可抑制噪音，但会使图像细节变得模糊。大多数图像包含内容细腻的部分和内容粗糙的部分。线性组合过滤技术可增强前者的细节和降低后者的噪声，通过产生高通和低通滤波图像并依据掩码将两者相结合。

这项技术能起作用是因为眼睛对细节区域中的噪声不敏感。掩码是一个Sobel边缘检测滤波器的经平滑处理的输出。它用数值来近似(图像中)包括细节的部分和用零来表示不包含细节的部分。高通和低通滤波图像的线性组合由掩码加权，得到细节增强且噪声减少的图像。

视频图像稳定和配准（VISAR）是一种对实时视频图像去抖动的算法。它开发用于提高视频图像的质量，通过视频数据序列的旋转和缩放效果，VISAR使图像质量超越了更简单的横向和纵向的图像配准技术。VISAR通过省去转换、放大和旋转来对准视频图像域。由于VISAR让用户组合多个视频图像，从而使噪声被平均到各帧。VISAR还将提取自视频的静态图像中的锯齿状边缘做平滑处理，并且可以将图像抖动校正至1/10个像素。

VISAR算法可以用于：

? 将显微镜下的细胞图像明晰化

? 稳定眼睛图像用于视网膜研究

? 稳定热红外成像

? 在内镜手术期间稳定摄像头和身体运动

? 在查看MRI视频时改进超声波技术以针对身体运动做修正

小波变换是一种分析的算法，它克服了傅里叶分析的某些限制。傅立叶分析在将信号从时域变换到频域的同时丢失了时间信息。这就是为什么当你查看某个信号的傅立叶变换时，它不可能告诉你某个特定事件发生在什么时候。许多成像信号包含有重要的非平稳或短暂的特性：漂移、趋势、突变、事件开始和/或结束。

为了帮助从信号中获取事件信息，将傅立叶变换用于仅分析某个时间一小部分信号–将其称之为信号加窗。近来，通过采用带可变区间的加窗技术对小波分析加以改进。小波分析允许采用长时间间隔以得到更精确的低频信息和更短的区间以得到高频信息。小波应用包括非连续和故障点检测、自相似性检测、信号抑制、信号和图像消噪、图像压缩以及大矩阵的快速乘法。视频和图像处理（VIP）和DSP库面向小波操作提供有核心标准构件，包括缩放、移动、高通/低通滤波、I / O分解和重建。

分布式向量处理是一种用于实现更快计算的算法。S -变换（ST）结合了FFT和小波变换的特点，揭示了频率在空间和时间的变化。应用范围包括纹理分析和噪声过滤。然而，ST需要进行密集计算，这会使得传统CPU的执行速度变得太慢。但这一问题可以通过结合向量和并行计算来解决，可将处理时间压缩25倍。通过在FPGA中实现向量处理器与并行计算的结合，可以大大加速这类计算密集型算法。



1. 图中所示为一个常见医疗系统的典型框图

现在，我们将讨论推动FPGA器件集成至医疗成像设备的一些趋势和核心开发成果。

X光成像

从计算机射线成像（CR）向数字化放射（DR）的转变正在有条不紊地进行。数字平板检测器可以在几秒钟内对图像进行处理，从而提高了工作效率，并且不需要处理盒式录像带和与胶卷有关的化学品。

此外，便携式DR系统也正被越来越多的人所接受。这些尺寸更小的系统大多数提供有采用无线连接的无绳平板检测器，去掉了存在故障点和引发工伤的电缆。FPGA支持协议栈从有线到无线的转变，同时管理上电顺序和监控这些数字式检测器。