本文摘要：医疗影像技术在医疗保健行业扮演着了更加最重要的角色。这一行业的发展趋势是通过非重复使用手段来构建早期疾病预测和化疗，减少病人支出。多种临床影像方法的融合以及算法研发的变革是设计新的设备来符合病人市场需求的主要推展力量。 为构建这些行业目标所必须的功能，设备开发人员开始使用获取FPGA反对、可改版的现成商用（COTS）CPU平台展开数据采集和协处置。在灵活性高效地研发可改版医疗影像设备时，必须考虑到几个因素，还包括影像算法的研发，多种临床方法的融合以及可改版的平台等。

医疗影像技术在医疗保健行业扮演着了更加最重要的角色。这一行业的发展趋势是通过非重复使用手段来构建早期疾病预测和化疗，减少病人支出。多种临床影像方法的融合以及算法研发的变革是设计新的设备来符合病人市场需求的主要推展力量。

　　为构建这些行业目标所必须的功能，设备开发人员开始使用获取FPGA反对、可改版的现成商用（COTS）CPU平台展开数据采集和协处置。在灵活性高效地研发可改版医疗影像设备时，必须考虑到几个因素，还包括影像算法的研发，多种临床方法的融合以及可改版的平台等。　　研发影像算法拒绝用于直观的高级建模工具，以不断改进数字信号处理（DSP）功能。高级算法必须可改版的系统平台，该平台大大提高了图像处理性能，而且构建的设备体积更加小，用于更加便利，更容易装载。

　　动态分析的性能需求拒绝系统平台需要随软件（CPU）和硬件（可配备逻辑）而展开调整。这些处置平台必需需要符合各种性能价格拒绝，反对多种影像医疗手段的融合。

FPGA很更容易构建到多核CPU平台中，为最灵活性的高性能系统获取DSP功能。　　系统规划人员和设计工程师用于高级开发工具和知识产权（IP）库，在这些平台上很快对算法展开区分和调试，加快设计构建，提升利润。　　本文讲解医疗影像算法的某些发展趋势，多种医疗手段的融合以及可改版平台来构建这些算法。　　医疗影像的算法研发　　首先，让我们理解一下每种医疗手段影像算法的发展趋势，以及怎样用于FPGA和知识产权。

　　1.MRI　　磁共振影像（MRI）重构技术创建人体的横截面图像。利用FPGA，使用了三种功能来修复3D人体图像。从频域数据中，2D重构切片通过较慢傅立叶转换（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相似象素间距，这样，可以从给定2D平面来查阅图像。递归分辨率锐化用于基于递归偏移滤波过程的空间去模糊技术，在减少噪声的同时对图像重构。这样，大大提高了横截面的视觉临床分辨率。　　2.成像　　成像图像中显出的小颗粒被称作斑点。

各种牵涉到的散射体相互作用产生了成像斑点（和无线领域的多径RF光线相近），它本质上是一种乘性噪声。用于有损压缩技术可以构建无斑成像影像。

先对图像展开对数处置，斑点噪声相对于简单信号沦为加性噪声。用于JPEG2000编码器展开有损小波传输可以增大斑点噪声。

　　3.X射线影像　　冠状X射线图像移动校正技术用作增大光学期间排便和心脏跳动的影响（跳动排便周期）。3D特时间冠状模型的移动被感应到2D图像上，用作计算出来纠偏函数（切换和缩放），对移动展开校正，获得明晰的图像。

　　4.分子影像　　分子影像是在细胞和分子级对生物医学过程展开特征描述和测量。其目的是观测、收集并监控造成疾病的出现异常状态。例如，X射线、正电子放射线断层扫描（PET）和SPECT技术相结合，将低分辨率的功能/细胞/分子图像同构到适当的高分辨率解剖学图像，大于可以超过0.5mm。

小型化和算法研发推展了在这些灵活系统平台上用于FPGA，在多核CPU基础上进一步提高了性能。　　5.临床方法的融合　　早期预测和非重复使用式化疗推展了PET/计算机辅助断层扫描（CT）和X射线临床/CT设备等医疗手段的融合。要构建更高的图像分辨率，拒绝使用细致的几何微阵列探测器，并融合FPGA，对光电信号展开预处理。

预处理已完成后，CPU和FPGA协处理器一起对汇聚后的信号展开处置，修复人体图像。　　非动态（NRT）图像融合（重合）技术一般用作对有所不同时间取得的功能和解剖学图像展开分析。然而，由于病人体位、扫瞄床外形以及内脏器官的大自然移动等因素造成很难展开NRT图像重合处置。

用于FPGA处置技术来动态融合PET和CT可以在一次光学过程中同时取得功能和解剖学图像，而不是事后再行制备图像。在手术化疗中，融合后的图像清晰度更高，方位更加准确。　　外科引领手术图像处理用于手术前（CT或者MR）图像和动态3D（成像和X射线）图像重合（涉及）技术，通过非重复使用手段（成像、MR插手和X射线化疗）对疾病展开外科化疗。

研发了各种算法以构建医疗手段和化疗类型融合的最佳图像重合结果。　　在这类融合系统中，反对高速串行网络的FPGA需要增加系统后处理部分数据采集功能的互相链接，大大降低了电路板和电缆涉及的系统总成本。

　　6.影像算法　　各种影像算法一般来说在FPGA中构建，还包括图像增强、平稳、小波分析和分布式矢量处置等。　　一般使用卷积（线性）滤波来构建图像增强。高通和较低通滤波后的图像经过线性组合，由矩阵乘法模板展开权重，产生的图像增强了细节，同时减少了噪声。

　　视频图像平稳技术对视频数据序列中的转动和图形效果展开归一化处置，以平均值倒数帧中的噪声。这还光滑了从视频中萃取的静止图像的锯齿边沿，需要缺失约1/10象素的图像晃动。

　　为提供信号中的事件信息，小波分析用于星型窗口技术每次分析一小部分信号。小波分析对准确的低频信息用于较长的时间间隔，对高频信息用于较短的间隔。

小波应用于还包括观测不倒数点以及断点、观测自相近、诱导信号、除去信号噪声、除去图像噪声、传输图像以及大型矩阵较慢乘法运算等。　　最近研发的S转换（ST）融合了FFT和小波转换。它说明了出有频率随空间和时间的变化。其应用于还包括纹理分析和噪声杂讯等。

但是，ST的计算出来量较小，使用传统的CPU构建一起速度太快。分布式矢量处置技术解决问题了这一问题，它在FPGA中同时使用矢量和并行计算，处置时间延长了25倍。　　一种癌症早期观测的方法利用了病人的新的肝脏能力。

数字传感器观测人体电磁辐射出有的红外能量，从而看见由于癌症造成血流减少而经常出现的微小差异。其典型构建基于可编程心缩矩阵，使用了标准化工作站以及FPGA专用硬件引擎来构建。和目前的高端工作站比起，该引擎将核心算法速度提升了近1，000倍。

　　这些简单影像算法必须哪些关键FPGA建构模块函数呢？在CT修复中，必须插值、FFT和卷积函数。在成像中，处置方法还包括颜色流处置、卷积、聚束、混合和弹性估计等。

普通影像算法还包括颜色空间切换、图形覆盖面积、2D/中值/时间滤波、图形、帧/域切换、对比度强化、锐化、边沿观测、限幅、旋转、极坐标/笛卡儿座标切换、不均匀分布校正以及象素更换等函数。

本文来源：九州体育-www.hebeiweilun.com