医疗成像算法的可扩展平台及趋势

本文探究了医疗光学算法的当前趋势、光学模式的融合和构建这些算法的可拓展平台。现场可编程门阵列为可拓展CPU平台获取数据采集和协处置反对，使得更加简单的光学沦为有可能。　　医学光学　　医学光学技术在医疗保健领域充分发挥的起到更加最重要。这是因为医疗保健行业正在希望检查出有甚至预测出尚能处在早期阶段的疾病并大力实行无创性化疗，并与此同时减少临床和化疗成本。

临床光学模式的融合与光学算法开发方式及进展结合是推展研发能构建上述目标的新仪器的主要因素。　　为了获取能符合这些医疗保健行业目标所必须的功能，设备开发商正在改向可拓展的、商业现货供应（COTS）的中央处理单元（CPU）平台，这些平台反对现场可编程门阵列（FPGA）用作数据采集和协处置。要高效地研发灵活性、可拓展的医疗影像设备，设备开发商必需考虑到若干因素。这些因素还包括光学算法的研发，多个光学技术的协同用于（光学模式的融合）以及平台的可扩展性。

　　光学算法的研发必须中用高级直观的建模工具，用作数字信号处理算法的持续改良。这些先进设备的算法拒绝可拓展的系统平台，可以贞着地提升图像处理性能。

这些可拓展的平台应当可以让更加小型的、更加便利装载的设备以求构建。　　要构建将近动态分析，系统平台必需和软件（CPU）和硬件（可配备的逻辑门的数量）相匹配。

这些处置平台必需符合有所不同的性能价位，并且必需需要应付多种光学技术间的有所不同拒绝。FPGA可以很更容易地被构建到多核CPU平台，为非常灵活的系统获取DSP处置能力，构建最低性能。　　系统架构和设计工程师必需较慢区分这些平台上的算法，然后运用高级开发工具和知识产权（IP）库对其展开调试。这一过程加快了平台部署，从而构建了制造商利润的最大化。

　　算法研发　　应向每种光学模式的光学算法中的趋势分析开始探究，还包括考虑到如何用于FPGA和IP。　　磁共振光学（MRI）分解人体的横截面图像。

利用FPGA构建的三个功能被用来修复来自横截面的三维体。首先，较慢傅里叶转换（FFT）分解灰度2D切片，一般来说为矩阵，来自频域的数据。

然后，三维体的修复牵涉到切片之间的插值，以产生一个片间距来近似于像素间的间距，这样就可以从任何2D平面看见图像。接着，展开递归分辨率锐化。

这个功能使用一种基于一个递归偏移滤波过程的空间去模糊技术，从而在减少噪声的同时使图像结构被新的探讨。因此，横截面的整体视觉临床分辨率被大大提高。　　成像（光学）。

成像图像有颗粒不存在是一种被称作散斑（speckle）的现象。散斑是由于有所不同的独立国家衍射物质（类似于无线领域的多路无线电频率光线）的相互作用所造成，并且是大幅提高的性质。成像图像可通过有损压缩的方法来避免斑点。

首先，所取图像的对数；散斑噪声变为和有效地信号相乘。然后，通过JPEG2000编码器使用小波有损压缩将噪音最小化。　　X光。

状动脉X光光学的运动修正是一种将心脏排便循环排便和心脏跳动对光学的影响降至大于的算法。3D+时间的冠状动脉模型的运动被感应到2D的X光图像，反对对去变形功能（旋转和缩放）---校正这种运动并获得更加明晰的图像的计算出来。　　分子光学。分子光学是对细胞和分子级生物过程的密切相关和测量，其目的是检测并捕猎恶性肿瘤细胞和分子的图像，并监测之。

例如，可以将X光光学，正电子升空断层扫描（PET）和单光子升空计算机计算出来断层光学（SPECT）人组用作器官功能、细胞和分子的低分辨率图像，在比较不应解剖学特征的分辨率较低至0.5mm的情况下。设备更为小型化的趋势和对新的算法的探寻推展使得性能远超过了多核CPU的性能，并使得这些灵活的系统必需使用FPGA技术。　　光学模式的融合。

构建早期疾病诊断和无创性化疗推展着光学技术的融合，例如，在PET/电脑断层扫描（CT）系统和x光化疗/CT设备中可看到上述情况。要符合当前的性能拒绝，必须更加高分辨率的图像，这拒绝用作精致的几何微阵列探测器再加FPGA来对光子和电子信号展开预处理。在预处理已完成后，这些信号被CPU和FPGA协处理器人组展开综合和处置，从而分解详尽的身体图像。

　　非动态（NRT）图像的融合，或图像配准，一般来说被用在将光学于有所不同时间的器官功能图像和解剖学图像展开排序对比。然而，由于患者方位的变化、扫瞄基础轮廓的有所不同、以及患者内部器官自然而然的运动等原因，NRT图像配准是不存在问题的。使用FPGA处置对PET和CT动态融合，容许器官功能图像和解剖学图像在一次光学期间都被收集并且融合，而不是像过去在后期将图像变换。融合后的图像可以为手术化疗获取更佳的清晰度和定位精度。

　　在手术期间用作指导医生的图像处理还包括将手术前的CT或MRI图像与动态3D成像或X光图像展开配准，以增进无自创化疗（如超声波、磁共振阻碍和x光化疗）的应用于。在这一领域，各种算法被研发用作为某些特定的光学模式和化疗人组获取优化的图像配准结果。　　在这一类融合式人组系统中，配备有高速串行点对点的FPGA可以削减将数据采集功能相连到系统后处理部分的点对点拒绝，通过省却额外的电路板和电缆，大大地减少了整体系统的成本。

　　光学算法　　有好几种有所不同的光学算法被常用于FPGA中。这些算法还包括强化、平稳、小波分析和产于矢量处置。

　　图像增强算法一般来说中用卷积或线性、滤波。低通滤波图像和较低通滤波图像展开线性组合，通过矩阵乘法权重，可分解一幅细节强化而噪音减少的图像。　　视频图像的平稳还包括视频数据序列的规范化转动和图形效果，以最后超过倒数帧之间噪音的均衡。

此外，该算法光滑了从视频中萃取的静态图像的锯齿边缘，并可将图像晃动校正至约十分之一个像素。　　小波分析算法设计用作协助提供信号内的事件信息，小波分析算法使用窗口技术通过变化窗口的大小来分析信号的部分段。为了取得更高的精确性，小波分析容许对低频信息使用较长的时间间隔，而对高频信号使用更加较短的时间间隔。

小波分析算法的应用于还包括不倒数点和断点的检测、自相似性检查、信号诱导、信号或图像的减震、图像压缩和大型矩阵的较慢相加。　　近期获得进展的S转换算法融合了FFT和小波转换的优点。它说明了了空间和时间上的频率变化。这一功能的应用于还包括纹理分析和噪声滤波。

S转换算法归属于一种密集型计算出来，不会使得传统CPU的继续执行速度显得极快。分布式向量处置可以解决问题这个问题，通过在FPGA内部将向量和并行计算结合，使得处置时间可延长25倍。　　早期癌症检测的一种方法是利用了恶性肿瘤不会调动新的血液供应的功能。

数字传感器检测到由病人身体释放出来的红外线能量。因此，它可以检测到因癌症引发的血流量减少与长时间情况的细微差别。这一功能的典型应用于是基于一个可编程脉动列阵，通过一个标准化工作站和一个基于FPGA的专用硬件引擎来构建。

FPGA引擎可将核心算法加快至近1000倍于一个目前近期工作站所能超过的速度。　　对于这些简单的光学算法而言，多FPGA模块部件功能是必需的。例如，CT修复必须插值、较慢傅立叶转换和卷积等功能。

在成像光学领域，处置方法还包括彩色流处置、卷积、波束构成和弹性估算等。标准化光学算法还包括诸多类似于的功能，如色彩空间切换、图形变换、2D中值滤波、图形、帧和场的切换、对比度强化、锐化、边缘检测、阈值、旋转、极性和笛卡尔切换、非均匀分布性校正和像素移位等。

本文来源：太阳集团游戏城官网-www.filmibaba.com