醫(yī)療影像的算法開發(fā)詳解
加入技術交流群
醫(yī)療影像技術在醫(yī)療保健行業(yè)扮演了越來越重要的角色。這一行業(yè)的發(fā)展趨勢是通過非置入手段來實現(xiàn)早期疾病預測和治療，降低病人開支。多種診斷影像方法的融合以及算法開發(fā)的進步是設計新設備來滿足病人需求的主要推動力量。
本文引用地址：http://www.ex-cimer.com/article/199567.htm為實現(xiàn)這些行業(yè)目標所需要的功能，設備開發(fā)人員開始采用提供FPGA支持、可更新的現(xiàn)成商用(COTS) CPU平臺進行數(shù)據(jù)采集和協(xié)處理。在靈活高效地開發(fā)可更新醫(yī)療影像設備時，需要考慮幾個因素，包括影像算法的開發(fā)，多種診斷方法的融合以及可更新的平臺等。
開發(fā)影像算法要求使用直觀的高級建模工具，以不斷改進數(shù)字信號處理(DSP)功能。高級算法需要可更新的系統(tǒng)平臺，該平臺大大提高了圖像處理性能，而且實現(xiàn)的設備體積更小，使用更方便，更容易攜帶。
實時分析的性能需求要求系統(tǒng)平臺能夠隨軟件(CPU)和硬件(可配置邏輯)而進行調整。這些處理平臺必須能夠滿足各種性能價格要求，支持多種影像診療手段的融合。FPGA很容易集成到多核CPU平臺中，為最靈活的高性能系統(tǒng)提供DSP功能。
系統(tǒng)規(guī)劃人員和設計工程師使用高級開發(fā)工具和知識產(chǎn)權(IP)庫，在這些平臺上迅速對算法進行劃分和調試，加速設計實現(xiàn)，提高利潤。
本文介紹醫(yī)療影像算法的某些發(fā)展趨勢，多種診療手段的融合以及可更新平臺來實現(xiàn)這些算法。
醫(yī)療影像的算法開發(fā)
首先，讓我們了解一下每種診療手段影像算法的發(fā)展趨勢，以及怎樣使用FPGA和知識產(chǎn)權。
MRI
磁共振影像(MRI)重構技術建立人體的截面圖像。借助FPGA，采用了三種功能來重建3D人體圖像。從頻域數(shù)據(jù)中，2D重構切片通過快速傅立葉變換(FFT)產(chǎn)生灰度級切片，一般是矩陣的形式。3D人體圖像重構通過切片插值使得切片間距接近象素間距，這樣，可以從任意2D平面來查看圖像。迭代分辨率銳化使用基于迭代反向濾波過程的空間去模糊技術，在降低噪聲的同時對圖像重構。這樣，大大提高了橫截面的視覺診斷分辨率。
超聲
超聲圖像中顯現(xiàn)的小顆粒被稱為斑點。各種無關的散射體相互作用產(chǎn)生了超聲斑點(和無線領域的多徑RF反射相似)，它本質上是一種乘性噪聲。使用有損壓縮技術可以實現(xiàn)無斑超聲影像。先對圖像進行對數(shù)處理，斑點噪聲相對于有用信號成為加性噪聲。使用JPEG2000編碼器進行有損小波壓縮可以減小斑點噪聲。
X射線影像
冠狀X射線圖像移動校正技術用于減小成像期間呼吸和心臟跳動的影響(心跳呼吸周期)。“3D加時間”冠狀模型的移動被投射到2D圖像上，用于計算糾偏函數(shù)(轉換和放大)，對移動進行校正，得到清晰的圖像。
分子影像
分子影像是在細胞和分子級對生物醫(yī)學過程進行特征描述和測量。其目的是探測、采集并監(jiān)視導致疾病的異常狀態(tài)。例如，X射線、正電子放射斷層掃描(PET)和SPECT技術相結合，將低分辨率的功能/細胞/分子圖像映射到相應的高分辨率解剖圖像，最小可以達到0.5 mm。小型化和算法開發(fā)推動了在這些緊湊系統(tǒng)平臺上使用FPGA，在多核CPU基礎上進一步提高了性能。
診斷方法的融合
早期預測和非置入式治療推動了PET/計算機輔助斷層掃描(CT)和X射線診斷/CT設備等診療手段的融合。要實現(xiàn)更高的圖像分辨率，要求采用精細的幾何微陣列探測器，并結合FPGA，對光電信號進行預處理。預處理完成后，CPU和FPGA協(xié)處理器一起對匯集后的信號進行處理，重建人體圖像。
非實時(NRT)圖像融合(重合)技術一般用于對不同時間獲得的功能和解剖圖像進行分析。然而，由于病人體位、掃描床外形以及內(nèi)臟器官的自然移動等因素導致很難進行NRT圖像重合處理。使用FPGA處理技術來實時融合PET和CT可以在一次成像過程中同時獲得功能和解剖圖像，而不是事后再合成圖像。在手術治療中，融合后的圖像清晰度更高，位置更精確。
外科引導手術圖像處理使用手術前(CT或者MR)圖像和實時3D (超聲和X射線)圖像重合(相關)技術，通過非置入手段(超聲、MR介入和X射線治療)對疾病進行外科治療。開發(fā)了各種算法以實現(xiàn)診療手段和治療類型融合的最佳圖像重合結果。
在這類融合系統(tǒng)中，支持高速串行互聯(lián)的FPGA能夠減少系統(tǒng)后處理部分數(shù)據(jù)采集功能的相互鏈接，大大降低了電路板和電纜相關的系統(tǒng)總成本。
影像算法
各種影像算法通常在FPGA中實現(xiàn)，包括圖像增強、穩(wěn)定、小波分析和分布式矢量處理等。
一般采用卷積(線性)濾波來實現(xiàn)圖像增強。高通和低通濾波后的圖像經(jīng)過線性組合，由矩陣乘法模板進行加權，產(chǎn)生的圖像增強了細節(jié)，同時降低了噪聲。
視頻圖像穩(wěn)定技術對視頻數(shù)據(jù)序列中的旋轉和縮放效果進行歸一化處理，以平均連續(xù)幀中的噪聲。這還平滑了從視頻中提取的靜止圖像的鋸齒邊沿，能夠糾正大約1/10象素的圖像抖動。
為獲取信號中的事件信息，小波分析使用可變窗口技術每次分析一小部分信號。小波分析對精確的低頻信息使用較長的時間間隔，對高頻信息使用較短的間隔。小波應用包括探測不連續(xù)點以及斷點、探測自相似、抑制信號、去除信號噪聲、去除圖像噪聲、壓縮圖像以及大型矩陣快速乘法運算等。
最近開發(fā)的S變換(ST)結合了FFT和小波變換。它揭示出頻率隨空間和時間的變化。其應用包括紋理分析和噪聲濾除等。但是，ST的計算量較大，采用傳統(tǒng)的CPU實現(xiàn)起來速度太慢。分布式矢量處理技術解決了這一問題，它在FPGA中同時采用矢量和并行計算，處理時間縮短了25倍。
一種癌癥早期探測的方法利用了病人的重新造血能力。數(shù)字傳感器探測人體輻射出的紅外能量，從而“看到”由于癌癥導致血流增加而出現(xiàn)的微小差異。其典型實現(xiàn)基于可編程心縮矩陣，采用了通用工作站以及FPGA專用硬件引擎來實現(xiàn)。和目前的高端工作站相比，該引擎將核心算法速度提高了近1,000倍。
這些復雜影像算法需要哪些關鍵FPGA構建模塊函數(shù)呢? 在CT重建中，需要插值、FFT和卷積函數(shù)。在超聲中，處理方法包括顏色流處理、卷積、聚束、混合和彈性估算等。普通影像算法包括顏色空間轉換、圖形覆蓋、2D/中值/時間濾波、縮放、幀/域轉換、對比度增強、銳化、邊沿探測、限幅、平移、極坐標/笛卡兒坐標轉換、不均勻校正以及象素替換等函數(shù)。
可更新的平臺
很多影像系統(tǒng)以前都采用專用計算系統(tǒng)進行構建?，F(xiàn)在，隨著高性能COTS CPU板的推出，系統(tǒng)工程師可以采用更現(xiàn)成的方法。雖然軟件自己可以完成很多算法的非實時處理，但實時影像處理還是需要輔助硬件。目前的FPGA內(nèi)置了DSP模塊、寬帶存儲器模塊和大量的可編程單元，是實現(xiàn)這些輔助硬件的理想器件。
Altera與其合作伙伴密切協(xié)作，實現(xiàn)了FPGA協(xié)處理資源和COTS CPU解決方案的可靠集成。對于Intel和AMD單板計算機(SBC)，內(nèi)置了串化器/解串器的Stratix II GX FPGA能夠直接實現(xiàn)PCI Express兼容協(xié)處理器板，承擔算法功能。對于雙插槽的AMD SBC，Altera合作伙伴XtremeData提供協(xié)處理器子卡，直接插入到一個Opteron插槽中，提供非常好的CPU+FPGA處理方案(參見圖1)。對于性能要求更高的大計算量應用，四插槽AMD SBC可以提供多種CPU+FPGA協(xié)處理器組合方案(1+3，2+2或者3+1)?？梢圆捎枚鄠€1-U刀片服務器來實現(xiàn)非常靈活的平臺，每個刀片完成CPU+FPGA協(xié)處理器方案。
圖1 XtremeData XD1000系統(tǒng)圖
注：XD1000™直接插入到多Opteron母板的Opteron™插槽940中，使用母板的現(xiàn)有CPU基本結構。
這些平臺的應用加速取決于算法——FPGA承擔的算法中并行計算越多，運行速度就越快。例如，由基于FPGA的硬件來加速實現(xiàn)CT影像算法時，每個3-GHz CPU結合一個FPGA協(xié)處理器，運行速度提高10倍，大大降低了系統(tǒng)級功耗，節(jié)省了空間和成本。
開發(fā)方法
現(xiàn)在，讓我們考慮算法開發(fā)方法以及相應的實現(xiàn)工具。
算法工具
影像設計人員使用高級軟件工具對各種算法建模，并對結果進行評估。數(shù)字信號處理最好的通用工具是MathWorks的MATLAB處理引擎和Simulink仿真器GUI。大部分OEM和醫(yī)療設計機構使用MATLAB來開發(fā)快速精確的算法，包括數(shù)字圖像處理、圖像定量分析、模式識別、數(shù)字圖像編碼/壓縮、自動顯微影像、法醫(yī)圖像處理以及二維小波變換等。除了算法開發(fā)外，MATLAB還可以仿真FPGA中常用的定點算法，提供可選的工具，生成能夠運行在通用CPU上的C代碼。
劃分和調試
算法開發(fā)完成后，系統(tǒng)設計人員必須確定怎樣在CPU和FPGA之間劃分功能，提供最好的總體解決方案，在性能、成本、可靠性和使用壽命上達到最佳平衡。設備設計人員認為在高性能硬件系統(tǒng)上對算法進行劃分和調試非常困難。以前的很多設計在FPGA中使用裝配線方法，把算法分成多個函數(shù)，順序執(zhí)行。90％的調試功能都花在集成上。由于每個函數(shù)執(zhí)行時間必須相互平衡，以實現(xiàn)最大吞吐量，因此出現(xiàn)了很多困難，無法觀察本地存儲器和延時。
解決方案是基于分布式協(xié)處理器計算模型，“以軟件為中心的方法”(參見圖2)，其中：
協(xié)處理器中的每個函數(shù)是一個執(zhí)行機(函數(shù)子處理器)，子處理器之間具備基于消息的控制通過功能。
所有存儲器、CPU和子處理器之間可完全切換，能夠全面觀察，容易進行調試。
內(nèi)部FPGA子處理器之間以及系統(tǒng)內(nèi)其他CPU和協(xié)處理器之間可以調整消息通過功能。
圖2 以軟件為中心的設計
例如，在Altera/XtremeData協(xié)處理器解決方案中，利用了這些概念來實現(xiàn)優(yōu)異的設計方法。AlteraFPGA的Avalon交換架構以及芯片可編程系統(tǒng)(SOPC)集成工具在所有功能單元之間自動構建靈活的交叉交換架構。接口IP提供FPGA至主機CPU以及FPGA至DIMM存儲器經(jīng)過預測試的接口?；陬A測試消息的基本結構(由Nios CPU定義的軟件)控制主機CPU、FPGA子處理器和FPGA存儲器控制器之間的通信。消息傳遞和全交換功能簡化了開發(fā)期間的調試，大大提高了靈活性?？梢栽趫?zhí)行期間軟定義(重新定義)數(shù)據(jù)通路，在系統(tǒng)集成和調試期間對數(shù)據(jù)進行解釋，改變傳送方向，以提高其可觀察性。
設計工具和IP
雖然MATLAB等工具非常適合軟件算法開發(fā)，但是還不足以在FPGA中實現(xiàn)。設計人員使用Altera以及第三方EDA工具和IP，可以加速其設計在FPGA中的實現(xiàn)。例如，Altera提供全套的工具：DSP Builder、SOPC Builder、Nios II CPU開發(fā)套件、Nios II C語言至硬件加速(C2H)編譯器和Quartus開發(fā)包等。
Altera的視頻和圖像處理包以及DSP庫提供關鍵IP構建模塊，加速復雜影像算法的開發(fā)和實現(xiàn)。視頻和圖像處理模塊庫以及其他的Altera/合作伙伴IP模塊和參考設計(包括IQ調制解調器、JPEG2000壓縮、FFT/IFFT、邊沿探測等)，為設計人員提供了大量的IP來加速大計算量任務的FPGA實現(xiàn)。
DSP Builder工具提供基于IP庫的設計流程，鏈接MATLAB開發(fā)的算法和Altera Quartus工具包實現(xiàn)的FPGA。
SOPC Builder是系統(tǒng)集成工具，自動生成IP模塊、Altera MegaCores功能(包括Nios II CPU)、合作伙伴IP和用戶定義功能之間的互聯(lián)代碼(Verilog或者VHDL)。
Nios II開發(fā)套件使C程序能夠植入到FPGA的一個或者多個Nios II CPU中，并進行調試。Nios II CPU是32位可配置RISC軟核處理器CPU。
Nios II C2H編譯器是新工具，它分析C代碼算法內(nèi)循環(huán)，生成FPGA中的協(xié)處理器邏輯，大大提高了Nios II CPU所運行軟件的性能。適度增加邏輯，運行速度便能夠提高10到100倍。
Quartus開發(fā)包是在AlteraFPGA中實現(xiàn)可編程硬件和軟件功能的主要工具。它提供IP導入功能，以及仿真和布局布線等所有功能，在Altera開發(fā)板或者用戶目標系統(tǒng)上進行FPGA編程。
Celoxica等其他EDA供應商還提供C語言至HDL轉換工具，以加速FPGA的實現(xiàn)。
結論
嬰兒潮時期出生的人們尋求更可行的新治療手段來治療常見疾病(特別是與心臟病和癌癥)，包括早期探測和非置入手術治療等。影像診斷方法融合及其相關算法開發(fā)上的進步大大推動了新設備的發(fā)展，滿足了病人的需求。高級算法需要可更新的系統(tǒng)平臺，該平臺能夠顯著提高圖像處理性能。
集成到COTS多核CPU平臺中，F(xiàn)PGA為最靈活的高性能系統(tǒng)提供了DSP功能。為幫助在這些平臺上加速實現(xiàn)復雜影像算法，需要采用高級開發(fā)工具和IP實現(xiàn)庫。Altera考慮到這些需求而開發(fā)了工具和IP庫。這些庫包括成像所需的關鍵構建模塊功能，并集成到Altera完整的工具包中，結合MathWorks的算法開發(fā)工具，能夠快速進行開發(fā)。
評論