采用FPGA实现医疗影像[图] 医疗影像技术在医疗保健行业扮演了越来越重要的角色。这一行业的发展趋势是通过非置入手 段来实现早期疾病预测和治疗，降低病人开支。多种诊断影像方法的融合以及算法开发的进步 是设计新设备来满足病人需求的主要推动力量。 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。 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。 可更新的平台 很多影像系统以前都采用专用计算系统进行构建。现在，随着高性能 COTS CPU 板的推出，系 统工程师可以采用更现成的方法。虽然软件自己可以完成很多算法的非实时处理，但实时影像 处理还是需要辅助硬件。目前的 FPGA 内置了 DSP 模块、宽带存储器模块和大量的可编程单元， 是实现这些辅助硬件的理想器件。 Altera 与其合作伙伴密切协作，实现了 FPGA 协处理资源和 COTS CPU 解决方案的可靠集成。 对于 Intel 和 AMD 单板计算机(SBC)，内置了串化器/解串器的 Stratix II GX FPGA 能够直接实现 PCI Express 兼容协处理器板，承担算法功能。对于双插槽的 AMD SBC，Altera 合作伙伴 XtremeData 提供协处理器子卡，直接插入到一个 Opteron 插槽中，提供非常好的 CPU FPGA 处 理方案(参见图1)。对于性能要求更高的大计算量应用，四插槽 AMD SBC 可以提供多种 CPU FPGA 协处理器组合方案(1 3，2 2或者3 1)。可以采用多个1-U 刀片服务器来实现非常灵 活的平台，每个刀片完成 CPU FPGA 协处理器方案。 图1 XtremeData XD1000系统图 注：XD1000?直接插入到多 Opteron 母板的 Opteron?插槽940中，使用母板的现有 CPU 基本 结构。 这些平台的应用加速取决于算法——FPGA 承担的算法中并行计算越多，运行速度就越快。例 如，由基于 FPGA 的硬件来加速实现 CT 影像算法时，每个3-GHz CPU 结合一个 FPGA 协处理 器，运行速度提高10倍，大大降低了系统级功耗，节省了空间和成本。 开发方法 现在，让我们考虑算法开发方法以及相应的实现工具。 算法工具 影像设计人员使用高级软件工具对各种算法建模，并对结果进行评估。数字信号处理最好的通 用工具是 MathWorks 的 MATLAB 处理引擎和 Simulink 仿真器 GUI。大部分 OEM 和医疗设计 机构使用 MATLAB 来开发快速精确的算法，包括数字图像处理、图像定量分析、模式识别、 数字图像编码/压缩、自动显微影像、法医图像处理以及二维小波变换等。除了算法开发外， MATLAB 还可以仿真 FPGA 中常用的定点算法，提供可选的工具，生成能够运行在通用 CPU 上的 C 代码。 划分和调试 算法开发完成后，系统设计人员必须确定怎样在 CPU 和 FPGA 之间划分功能，提供最好的总体 解决方案，在性能、成本、可靠性和使用寿命上达到最佳平衡。设备设计人员认为在高性能硬 件系统上对算法进行划分和调试非常困难。以前的很多设计在 FPGA 中使用装配线方法，把算 法分成多个函数，顺序执行。90％的调试功能都花在集成上。由于每个函数执行时间必须相互 平衡，以实现最大吞吐量，因此出现了很多困难，无法观察本地存储器和延时。 解决方案是基于分布式协处理器计算模型，“以软件为中心的方法”(参见图2)，其中： 协处理器中的每个函数是一个执行机(函数子处理器)，子处理器之间具备基于消息的控制通过 功能。 所有存储器、CPU 和子处理器之间可完全切换，能够全面观察，容易进行调试。 内部 FPGA 子处理器之间以及系统内其他 CPU 和协处理器之间可以调整消息通过功能。 图2 以软件为中心的设计 例如，在 Altera/XtremeData 协处理器解决方案中，利用了这些概念来实现优异的设计方法。 AlteraFPGA 的 Avalon 交换架构以及芯片可编程系统(SOPC)集成工具在所有功能单元之间自动 构建灵活的交叉交换架构。接口 IP 提供 FPGA 至主机 CPU 以及 FPGA 至 DIMM 存储器经过预 测试的接口。基于预测试消息的基本结构(由 Nios CPU 定义的软件)控制主机 CPU、FPGA 子处 理器和 FPGA 存储器控制器之间的通信。消息传递和全交换功能简化了开发期间的调试，大大 提高了灵活性。可以在执行期间软定义(重新定义)数据通路，在系统集成和调试期间对数据进 行解释，改变传送方向，以提高其可观察性。 设计工具和 IP 虽然 MATLAB 等工具非常适合软件算法开发，但是还不足以在 FPGA 中实现。设计人员使用 Altera 以及第三方 EDA 工具和 IP，可以加速其设计在 FPGA 中的实现。例如，Altera 提供全套 的工具：DSP Builder、SOPC Builder、Nios II CPU 开发套件、Nios II C 语言至硬件加速(C2H) 编译器和 Quartus 开发包等。 Altera 的视频和图像处理包以及 DSP 库提供关键 IP 构建模块，加速复杂影像算法的开发和实现。 视频和图像处理模块库以及其他的 Altera/合作伙伴 IP 模块和参考设计(包括 IQ 调制解调器、 JPEG2000压缩、FFT/IFFT、边沿探测等)，为设计人员提供了大量的 IP 来加速大计算量任务的 FPGA 实现。 DSP Builder 工具提供基于 IP 库的设计流程，链接 MATLAB 开发的算法和 Altera Quartus 工具 包实现的 FPGA。 SOPC Builder 是系统集成工具，自动生成 IP 模块、Altera MegaCores 功能(包括 Nios II CPU)、 合作伙伴 IP 和用户定义功能之间的互联代码(Verilog 或者 VHDL)。 Nios II 开发套件使 C 程序能够植入到 FPGA 的一个或者多个 Nios II CPU 中，并进行调试。Nios II CPU 是32位可配置 RISC 软核处理器 CPU。 Nios II C2H 编译器是新工具，它分析 C 代码算法内循环，生成 FPGA 中的协处理器逻辑，大大 提高了 Nios II CPU 所运行软件的性能。适度增加逻辑，运行速度便能够提高10到100倍。 Quartus 开发包是在 AlteraFPGA 中实现可编程硬件和软件功能的主要工具。它提供 IP 导入功能， 以及仿真和布局布线等所有功能，在 Altera 开发板或者用户目标系统上进行 FPGA 编程。 Celoxica 等其他 EDA 供应商还提供 C 语言至 HDL 转换工具，以加速 FPGA 的实现。 结论 婴儿潮时期出生的人们寻求更可行的新治疗手段来治疗常见疾病(特别是与心脏病和癌症)，包 括早期探测和非置入手术治疗等。影像诊断方法融合及其相关算法开发上的进步大大推动了新 设备的发展，满足了病人的需求。高级算法需要可更新的系统平台，该平台能够显著提高图像 处理性能。 集成到 COTS 多核 CPU 平台中，FPGA 为最灵活的高性能系统提供了 DSP 功能。为帮助在这些 平台上加速实现复杂影像算法，需要采用高级开发工具和 IP 实现库。Altera 考虑到这些需求而 开发了工具和 IP 库。这些库包括成像所需的关键构建模块功能，并集成到 Altera 完整的工具包 中，结合 MathWorks 的算法开发工具，能够快速进行开发