最佳处理解决方案常常是由RISC、CISC、图形处理器与FPGA的组合提供，或由FPGA单独提供，或以硬处理器内核作为部分结构的FPGA提供。然而，许多设计人员不熟悉FPGA的功能、其发展脉络以及如何使用 FPGA。

信息显示，全球人均医疗支出每年都在增长，随着人口老龄化加剧，消费者对医疗条件和医疗成本都有着极高的预期。另一方面，随着疫情的爆发，市场对病情的及早发现和诊断的快速分析有了更高的要求，这就需要医疗器械成本的进一步降低和算力的提升。同时医疗设备相较一般消费性电子、工业自动控制、智能家庭等应用形是而言是相对严肃的应用场合，因为医疗设备稍有故障、误动作可能就会造成医疗失误，甚至危及用户健康与生命，不但设备相关的验证要求标准更高，针对应用需求设置的法规要求也相对严苛。 早在智能医疗、IoT物联网集成热潮发展之前，在医疗设备、生理监控等电子装置中，早已导入FPGA(Field-programmable gate array)核心元件进行设备的功能设计，一方面因为FPGA具备高效能、超低功耗(Ultra low-power)与开发设计弹性外，也适合特殊行业应用的客制系统集成设计需求，在过去30多年医疗设备业者多数也使用FPGA进行产品设计与集成。 FPGA器件自身拥有可编程特性，借助这种优势，可避免ASIC器件前期高昂的一次性工程费用，消除最低订单数量和多芯片迭代风险和损失。医疗行业本身是与科技发展联系最为紧密的行业之一，伴随FPGA器件的不断迭代升级，更多新设备出现，引领了新的治疗方法、治疗途径、治疗理念的改变。 加上医疗产业的系统效能与稳定性要求相对高许多，FPGA的可程序化开发功能不但可以因应系统功能扩展需求，也能提供相对稳定、高效的作业表现，常见以FPGA进行集成的医疗设备应用如呼吸辅助设备、心跳去颤器、内视镜设备、计算机断层扫描设备、核磁共振扫描设备、超音波设备、病人生理监控设备等，都有使用SoC的FPGA元件所集成的设备产品。2022年上海医疗器械展会Medtec China自2016年起布局医疗电子，从最初的电子部件、电机&传动控制展区到2021年首开的高端医疗设备设计与制造专区，目前已经有包括日立金属投资（中国）有限公司 、砷泰中国 、东莞市雨菲电子科技有限公司、上海孚蕊哲静电科技有限公司 、深圳市格兰拓普电子有限公司和杭州通鉴科技有限公司等多家企业入驻参展。

FPGA器件能用在什么地方

图像处理系统：
我们都知道，在新冠肺炎爆发的初期，医院人员饱和、检测设备负荷运转，人力物力都达到最大的利用程度，也无法满足新冠肺炎病人的需求。

新冠肺炎常见的胸部CT表现呈磨玻璃影，而FPGA拥有强大的并行处理能力以及丰富的逻辑资源，可以逐点读入并处理图像，天然适用于各类图像处理应用。

在面临新馆病毒时，快速精准的筛选和检测一直以来都是控制疫情的重中之重，后续的药物研发同样也需要大量的数据分析和科学计算工作。在这种情况下，FPGA也能发挥其优势。

例如，赛灵思为中国生物技术公司Genetalks和中南大学湘雅医学院，提供了超级计算机，借助赛灵思 FPGA 加速基因组数据分析的计算，对潜在的治疗方法及其相关风险进行基因组研究，有效加快了研究速度。

1
视频图像处理

随着时代的变换，人们对图像的稳定性、清晰度、亮度和颜色的追求越来越高，像以前的标清（SD）慢慢演变成高清（HD），到现在人们更是追求蓝光品质的图像。

这使得处理芯片需要实时处理的数据量越来越大，并且图像的压缩算法也是越来越复杂，使得单纯的使用ASSP或者DSP已经满足不了如此大的数据处理量了。

这时FPGA的优势就凸显出来了，它可以更加高效的处理数据，所以在图像处理领域在综合考虑成本后，FPGA也越来越受到市场的欢迎。

底层技术推动时代各领域的创新与发展，众所周知FPGA自被发明以来，经过几十年的发展，至今已不再是最初的只提供信号传输与算力支持的可编程器件。随着物联网，AI，大数据云计算时代的到来，FPGA已经演进为包含云端数据中心加速，边缘计算，AI推理加速等赋能多领域的自适应加速平台（ACAP）。

在当前的疫情形势下，想要跑得比病毒更快，就要达到核酸快速检测的实现，需要贯穿采集、存储、传输、处理和利用病人健康状况和医疗信息等环节，同时需要对产生的数据进行实时、准确、高效的深度分析。高性能计算作为提供安全有效的数据访问以及高效的管理，可以更好的助力数据计算的需求往便捷化、实用性方面发展。

2
如何基于FPGA快速开发医疗成像设备

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。

以下将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。

1.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。

2.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。

3.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。

4.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。

5.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。

6.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。

想要了解详细设计要点，来2022年上海医疗器械展会Medtec China 2022技术论坛J：高端有源医疗设备核心部件与技术论坛，议题覆盖光电器件在有源医疗装备中的应用、高端影像设备分子影像探针的设计、人工智能推动CT的发展等多项议题，点击快速预登记。

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。

3
FPGA在后疫情时代的发展

2022年上海医疗器械展会Medtec China了解到如今我国虽然早已复工复产，但受疫情影响，远程医疗需求激增，FPGA又迎来了一次成长机会。除此之外，FPGA在解决人工智能学习、5G、高性能计算、汽车智能和其他许多需要数据加速和计算的应用方面表现良好，未来FPGA将越来越多的协同互联网、物联网和云端技术，处理更多应用方案。

参考文章：
从器件选型到设计开发，一文读懂Microchip的FPGA！
医疗设备中，FPGA扮演什么角色？
FPGA在医疗电子领域的应用及发展趋势