FPGA器件在医疗成像设备的应用介绍-电子发烧友网

引言

过去，医疗设备制造商主要集中于开发诸如X光、MRI和超声波等大型医疗设备。而今天的医疗设备制造商正走向便携医疗电子设备的开发。全球人口老化的不断扩大，以及人们对自身健康状况关注的增加，要求医疗设备实现易于携带和更低成本，以方便在医院之外的其他地方使用。因此，医疗设备制造商几年前就开始开发诸如便携式超声波诊断设备、血压计以及其他使用复杂数字图像处理技术和先进通信技术的个人健康监护等医疗电子产品。

随着90nm和65nm半导体工艺节点的到来，使得低功耗小尺寸和高度集成的医疗设备得以出现。对医疗设备制造商而言，其主要挑战是如何选择正确的半导体器件来满足便携式医疗电子产品的功率、性能和价格需求。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。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

各种影像算法通常在FPGA中实现，包括图像增强、稳定、小波分析和分布式矢量处理等。

一般采用卷积（线性）滤波来实现图像增强。高通和低通滤波后的图像经过线性组合，由矩阵乘法模板进行加权，产生的图像增强了细节，同时降低了噪声。

视频图像稳定技术对视频数据序列中的旋转和缩放效果进行归一化处理，以平均连续帧中的噪声。这还平滑了从视频中提取的静止图像的锯齿边沿，能够纠正大约1/10象素的图像抖动。

为获取信号中的事件信息，小波分析使用可变窗口技术每次分析一小部分信号。小波分析对精确的低频信息使用较长的时间间隔，对高频信息使用较短的间隔。小波应用包括探测不连续点以及断点、探测自相似、抑制信号、去除信号噪声、去除图像噪声、压缩图像以及大型矩阵快速乘法运算等。

最近开发的S变换（ST）结合了FFT和小波变换。它揭示出频率随空间和时间的变化。其应用包括纹理分析和噪声滤除等。但是，ST的计算量较大，采用传统的CPU实现起来速度太慢。分布式矢量处理技术解决了这一问题，它在FPGA中同时采用矢量和并行计算，处理时间缩短了25倍。

一种癌症早期探测的方法利用了病人的重新造血能力。数字传感器探测人体辐射出的红外能量，从而“看到”由于癌症导致血流增加而出现的微小差异。其典型实现基于可编程心缩矩阵，采用了通用工作站以及FPGA专用硬件引擎来实现。和目前的高端工作站相比，该引擎将核心算法速度提高了近1,000倍。

这些复杂影像算法需要哪些关键FPGA构建模块函数呢？在CT重建中，需要插值、FFT和卷积函数。在超声中，处理方法包括颜色流处理、卷积、聚束、混合和弹性估算等。普通影像算法包括颜色空间转换、图形覆盖、2D/中值/时间滤波、缩放、帧/域转换、对比度增强、锐化、边沿探测、限幅、平移、极坐标/笛卡儿坐标转换、不均匀校正以及象素替换等函数。

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。

FPGA器件在医疗成像设备的应用介绍

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

冠状X射线图像移动校正技术用于减小成像期间呼吸和心脏跳动的影响（心跳呼吸周期）。“3D加时间”冠状模型的移动被投射到2D图像上，用于计算纠偏函数（转换和放大），对移动进行校正，得到清晰的图像。

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。

分子成像

分子影像是在细胞和分子级对生物医学过程进行特征描述和测量。其目的是探测、采集并监视导致疾病的异常状态。例如，X射线、正电子放射断层扫描（PET）和SPECT技术相结合，将低分辨率的功能/细胞/分子图像映射到相应的高分辨率解剖图像，最小可以达到0.5 mm。小型化和算法开发推动了在这些紧凑系统平台上使用FPGA，在多核CPU基础上进一步提高了性能。

PET技术取得的进步包括：增加了检测器的数量、扩大检测器配对区域、更短的时间窗、领先的技术和更先进算法的建模。原始数据的显着增加要求数据路径具有更快的处理能力和更早做预处理决定。在许多系统中，FPGA被用在来自光电传感器和数据转换器的电信号的聚集阶段。FPGA内在的可编程本质支持更新的设计，提高数据路径预处理决定，从而减少传送到重建阶段的数据量。

磁共振成像

磁共振影像（MRI）重构技术建立人体的截面图像。借助FPGA，采用了三种功能来重建3D人体图像。从频域数据中，2D重构切片通过快速傅立叶变换（FFT）产生灰度级切片，一般是矩阵的形式。3D人体图像重构通过切片插值使得切片间距接近象素间距，这样，可以从任意2D平面来查看图像。迭代分辨率锐化使用基于迭代反向滤波过程的空间去模糊技术，在降低噪声的同时对图像重构。这样，大大提高了横截面的视觉诊断分辨率。

磁共振成像（MRI）重建生成人体横截面的图像。首先，利用频域数据的快速傅立叶变换（FFT）函数开发二维切片重建。用到了锐化和空间模糊技巧，降低噪音的同时锐化图像。这些函数中大部分是VIP和DSP库中的标准构件，用于FPGA实现。由此来看，三维卷积重建由插补技术生成。

超声波

超声图像中显现的小颗粒被称为斑点。各种无关的散射体相互作用产生了超声斑点（和无线领域的多径RF反射相似），它本质上是一种乘性噪声。使用有损压缩技术可以实现无斑超声影像。先对图像进行对数处理，斑点噪声相对于有用信号成为加性噪声。使用JPEG2000编码器进行有损小波压缩可以减小斑点噪声。

该成像技术的趋势是增多功能和扩大用途。高次传感器通道计数系统支持更先进的成像算法，允许四维成像（时间轴下的三维剖面）。FPGA已被用于波束成形和处理链路，以提供更多的处理功能同时能灵活地适应不断变化的算法。便携式和手持设备需要低成本、低功耗解决方案。可用单个FPGA器件执行波束成形、处理和人机界面（HMI）功能来实现一体化设备。

CT扫描

高次切片计算CT扫描仪被用于心脏、肺和创伤成像应用。这些扫描仪支持更快的检查时间和更详细的图像。然而，最近的趋势一直是采用可减少X射线辐射剂用量的技术。通过开发用于更先进的物理模型的更复杂算法可以做到这一点。新款CT系统处理速度是原始数据的10倍，可提供非常先进的图像处理性能。

PET/ CT融合为基于软件的图像融合（配准）提供了一个选择，它通常用于对齐大脑的功能和解剖图像。至于身体的其它部位，因为患者定位、扫描仪床的尺寸以及内部器官的不自主运动存在差异，图像配准存在更多问题。在PET / CT混合平台中，在单一成像过程中同时获取功能性和解剖性图像，以避免或减少配准和患者运动问题。

视频成像

在血管成像领域，黄金标准一直是血管X射线图像的辐射不透明对比血管造影术，使用基于盐的造影剂。如今，常用的是CT血管造影，时差/相位对比磁共振血管造影和双工/血管内超声波扫描。这些技术涉及同时采集和配准光声和超声影像，对血管和骨骼图像进行分割以及使用基于相关增强滤波器以减少肺部疾病的误诊。

此外，心脏运动估算是量化心肌弹性和收缩性的一个重要辅助项。局部区域表现异常运动标示着缺血性心脏区间，此处血液循环不足。一个发展中的算法包括从一系列超声图像对弹性进行量化评估，使用超声时空配准技术方面寻找到，采用时间-空间配准技巧来发现相对参考坐标系的变形场。其中所用的核心VIP和DSP标准构件函数包括二维滤波、降斑、相关和平滑。

关键标准构件函数

有些复杂成像算法所要求的关键标准构件函数包括：色彩空间转换等、图形叠加、2D/中间/时间滤波、缩放、帧/场转换、逐行扫描和锐化；若是CT重建，则需求插值、FFT和卷积函数；对于超声而言，彩色流处理、卷积、波束成形、复合及弹性估算很重要。

VIP套件以及附加IP和参考设计可以加快这些算法在FPGA中的整合，包括具有最高性能和最小封装的系统。考虑算法开发方法和相应的工具也很重要。

开发工具

影像构架师利用高级软件工具来模拟不同的算法和结果。数字成像软件和算法开发需要使用灵活的工具来创建快速且准确的图像处理算法。这些算法定义并实现各种技巧、三维图像处理和统计数据、解方程组和显示/文件的算法等。开发工具被用于FPGA的DSP功能创建、定量图像分析、模式识别、数字图像编码和压缩、自动显微镜、法医图像处理和2D小波转换应用。

在仅用CPU不够的情况下，这些工具包使开发公司能加速算法在FPGA中的实现。DSP Builder高级模块集允许在MATLAB/Simulink设计中使用高级Simulink合成和时序驱动优化。为满足用户规定的Fmax或延迟，在Simulink这类高级工具内部进行设计优化是一项独特的功能。从根本上讲，这意味着可以根据你的系统需求轻松地设置合适的Fmax和延迟，并且该工具将自动在寄存器中相加以提高Fmax或将某些关键路径并行化以满足延迟约束条件。这就省去了花上几周时间对生成的HDL代码做繁琐和低效率的手动调整。

对自动化设计流程的步骤进行了说明：

使用DSP Builder高级模块集中的标准构件来搭建Simulink中的设计。对设计进行仿真以确保它符合该算法。这些模块是可执行的，并允许快速仿真。

它们也可以和传统Simulink模块混合使用，用于搭建一个完整的设计。在高级Simulink设计描述中设定整个系统最大频率（Fmax）和/或延迟。DSP Builder对Simulink设计描述进行分析，并同时生成HDL代码和用于目标FPGA器件的可选比特流。

它包含了时间限制—最大频率（fMAX）和/或延迟—并自动添加到流水线寄存器和所要求的分时复用时间，以满足设计规范要求。

FPGA器件在医疗成像设备的应用介绍