采用FPGA实现医疗影像

　　为实现这些行业目标所需要的功能，设备开发人员开始采用提供FPGA支持、可更新的现成商用(COTS) CPU平台进行数据采集和协处理。在灵活高效地开发可更新医疗影像设备时，需要考虑几个因素，包括影像算法的开发，多种诊断方法的融合以及可更新的平台等。

　　开发影像算法要求使用直观的高级建模工具，以不断改进数字信号处理(DSP)功能。高级算法需要可更新的系统平台，该平台大大提高了图像处理性能，而且实现的设备体积更小，使用更方便，更容易携带。

　　实时分析的性能需求要求系统平台能够随软件(CPU)和硬件(可配置逻辑)而进行调整。这些处理平台必须能够满足各种性能价格要求，支持多种影像诊疗手段的融合。FPGA很容易集成到多核CPU平台中，为最灵活的高性能系统提供DSP功能。

　　系统规划人员和设计工程师使用高级开发工具和知识产权(IP)库，在这些平台上迅速对算法进行划分和调试，加速设计实现，提高利润。

　　本文介绍医疗影像算法的某些发展趋势，多种诊疗手段的融合以及可更新平台来实现这些算法。

　　医疗影像的算法开发

　　首先，让我们了解一下每种诊疗手段影像算法的发展趋势，以及怎样使用FPGA和知识产权。

　　MRI

　　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。

　　超声

　　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。

　　X射线影像

　　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。

　　分子影像

　　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。

　　诊断方法的融合

　　早期预测和非置入式治疗推动了PET/计算机辅助断层扫描(CT)和X射线诊断/CT设备等诊疗手段的融合。要实现更高的图像分辨率，要求采用精细的几何微阵列探测器，并结合FPGA，对光电信号进行预处理。预处理完成后，CPU和FPGA协处理器一起对汇集后的信号进行处理，重建人体图像。

　　非实时(NRT)图像融合(重合)技术一般用于对不同时间获得的功能和解剖图像进行分析。然而，由于病人体位、扫描床外形以及内脏器官的自然移动等因素导致很难进行NRT图像重合处理。使用FPGA处理技术来实时融合PET和CT可以在一次成像过程中同时获得功能和解剖图像，而不是事后再合成图像。在手术治疗中，融合后的图像清晰度更高，位置更精确。

　　外科引导手术图像处理使用手术前(CT或者MR)图像和实时3D (超声和X射线)图像重合(相关)技术，通过非置入手段(超声、MR介入和X射线治疗)对疾病进行外科治疗。开发了各种算法以实现诊疗手段和治疗类型融合的最佳图像重合结果。

　　在这类融合系统中，支持高速串行互联的FPGA能够减少系统后处理部分数据采集功能的相互链接，大大降低了电路板和电缆相关的系统总成本。

　　影像算法

　　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.