WO2019196394A1 - 使用capi加速的fpga医学超声成像系统 - Google Patents

使用capi加速的fpga医学超声成像系统 Download PDF

Info

Publication number
WO2019196394A1
WO2019196394A1 PCT/CN2018/113235 CN2018113235W WO2019196394A1 WO 2019196394 A1 WO2019196394 A1 WO 2019196394A1 CN 2018113235 W CN2018113235 W CN 2018113235W WO 2019196394 A1 WO2019196394 A1 WO 2019196394A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
capi
image
fpga
variable
Prior art date
Application number
PCT/CN2018/113235
Other languages
English (en)
French (fr)
Inventor
陈俊颖
周顺风
闵华清
Original Assignee
华南理工大学
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 华南理工大学 filed Critical 华南理工大学
Publication of WO2019196394A1 publication Critical patent/WO2019196394A1/zh

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4411—Device being modular
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4483—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device characterised by features of the ultrasound transducer
    • A61B8/4488—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device characterised by features of the ultrasound transducer the transducer being a phased array
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/56—Details of data transmission or power supply
    • A61B8/565—Details of data transmission or power supply involving data transmission via a network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8909—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration
    • G01S15/8915—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration using a transducer array
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52079—Constructional features

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Gynecology & Obstetrics (AREA)
  • Physiology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明提供了使用CAPI加速的FPGA医学超声成像系统。本发明的系统采用使用CAPI加速的FPGA来实现医学超声成像，并且成像算法本身针对FPGA的结构做出了相应的适配和改进，使其计算流程适用于逻辑门电路的执行，从而提高医学超声成像的成像帧率。与传统的基于计算机执行的医学超声成像系统相比，本发明使用CAPI加速的FPGA医学超声成像系统具有极高的并行计算能力，可在极短的时间内完成高清医学超声图像算法的复杂计算，可以实时且高清地呈现医学超声影像。本发明使用的基于CAPI加速的FPGA计算核心可直接在SuperVessel平台免费使用，成本低、实用性强。

Description

使用CAPI加速的FPGA医学超声成像系统 技术领域
本发明属于医学超声成像领域，具体涉及使用CAPI加速的FPGA医学超声成像系统。
背景技术
在医学超声成像系统中，物理阵元发射超声波并接收回波信号，然后在运算单元中通过成像算法将回波信号数据转换为图像数据并显示出来。传统的医学超声成像成像系统的核心计算通常在中央处理器CPU上实现，但高清成像算法的庞大成像数据及复杂的运算过程，使得传统CPU已经无法满足其对高性能高并发运算的需求。
近年来CPU的频率不断提高、单芯片上CPU核心数目不断增加，出现了双核、四核甚至八核，但多核CPU的发展存在瓶颈，其核心频率和运算吞吐率很难有进一步的突破性提高。有学者提出集成更多的运算单元来提高单位时间的计算能力，但这会造成设备体积和功耗的增加，同时使成本提高。另一方面，目前的现场可编程逻辑门电路技术(FPGA)发展迅猛，一块FPGA芯片中可以集成成百上千的定制运算核心，使其并行计算能力大幅提升，这为实现实时高清医学成像提供了很好的硬件条件。另外由IBM提出的CAPI传输接口，解决了FPGA芯片与传统PC机之间数据传输速度较慢的问题，进一步扫清了使用FPGA作为医学超声成像核心计算模块的技术瓶颈。本发明充分利用了CAPI传输接口的数据传输能力和FPGA强大的并行计算能力，将复杂的高清医学成像算法在FPGA芯片中实现，完成了基于CAPI加速的FPGA医学超声成像系统的构建。
目前超声医学成像设备中使用的计算核心大多是普通计算机中的中央处理器，该实现简单，能满足医学超声成像的基本需求，但图像帧率低，单台成像设备成本高。
发明内容
本发明的主要目的是解决目前医学超声成像设备速度慢成本高的问题，提供使用CAPI加速的FPGA医学超声成像系统，为实现低成本高帧率的医学超声成像系统，运用了使用CAPI  FPGA加速的SuperVessel云平台，充分挖掘了FPGA芯片高并发运算能力实现延迟叠加波束形成算法的实现，达到了医学超声成像系统中低成本高帧率的要求。
本发明的目的通过以下技术方案实现。
使用CAPI加速的FPGA医学超声成像系统，其采用基于CAPI传输技术的FPGA芯片实现医学超声成像的核心计算过程，并且超声成像延迟叠加算法本身针对FPGA的结构做出了相应的适配和改进，使其计算流程适用于逻辑门电路的执行，从而提高医学超声成像的成像帧率。
使用CAPI加速的FPGA医学超声成像系统包括数据仿真模块、核心计算模块和显示图像模块；数据仿真模块采用Field II得到的超声仿真数据，通过网络传输到云主机中，经过CAPI接口传输到FPGA芯片后，核心计算模块执行并行的延迟叠加波束形成算法，计算得到图像数据，经过网络传输回来，通过显示图像模块显示出来。
进一步的，所述数据仿真模块使用Field II仿真器模拟超声成像中超声波的传播过程并取得仿真数据；在数据仿真模块中首先根据现实超声成像设备相应配置来模拟对应的仿真物理数据，创建发射和接收阵元，创建模拟检测对象，然后按照扫描线逐条模拟发射并接收回波数据。
进一步的，核心计算模块为基于CAPI传输技术的FPGA芯片，在FPGA芯片中实现延迟叠加波束形成算法，与基于CPU计算的延迟叠加波束形成算法具有相同的输入输出数据流和相同的延迟叠加处理。
进一步的，显示图像模块在核心计算模块得到像素数据后，对像素数据进行希尔伯特变化、对数压缩、灰度范围校正和图像深度及宽度计算等操作，最后将图像相关数据输出到对应的坐标系中，在屏幕显示成像，或将图像存储到文件中。
进一步的，核心计算模块包括输入数据分离器、行数循环生成器、延迟信号选择器、叠加器和数据输出控制器；
输入数据分离器：用于将CAPI总线的256位输入数据分离，并且规划好输入数据读取的顺序；
行数循环生成器：当图像中某一列像素点计算所需要的所有输入信号数据读取完毕时，行数循环生成器将开始生成行数循环变量j的值，变量j的初始值为0，在每一个时钟周期内自增1，直到最大值1023；
延迟信号选择器：延迟信号选择器将计算对应像素点不同数据通道上的延迟量，并选择对应的输入信号数据；延迟信号选择器包含了一个延迟量计算器和一个BRAM存储器，BRAM存储器用于存储某个数据输入接收通道接收到的输入信号数据；
叠加器：在并行延迟叠加算法的CAPI设计中共有64个延迟信号选择器，而这64个延迟信号选择器的输出值之和，即为当前坐标(i,j)处像素点的亮度值(image(i,j))；计算两个延迟信号选择器输出值之和需要一个加法器，对应地，计算64个延迟信号选择器输出值之和需要63个加法器；为了使得加法器设计流水线化，叠加器模块将加法器分为6个阶段层次，每层分别使用32、16、8、4、2、1个加法器；
输出数据控制器：输出的数据可以先存放于BRAM存储器中，每8个时钟周期通过CAPI总线接口向CPU输出一次数据。
进一步的，输入数据分离器通过如下的步骤读取数据：
第一步：在T时钟周期内，第0个至第7个延迟信号选择器读取一个CAPI输入信号数据；在(T+1)时钟周期内，第8个至第15个延迟信号选择器读取下一个CAPI输入信号数据；以次类推，直到在T+7时钟周期内，第56个至第63个延迟信号选择器读取下一个CAPI输入信号数据；
第二步：重复第一步所描述的步骤，直到生成的图像中的某一列像素点所需要的所有输入信号数据读取完毕；
第三步：当图像中某一列的所有像素点均计算完成，则回到第一步读取生成图像中下一列像素点所需要的输入信号数据过程。
进一步地实施，核心计算模块在基于CAPI加速的FPGA芯片中实现。下方的伪代码为医学超声成像中串行延迟叠加算法的核心代码。在该算法中，首先计算接收到的回声超声信号的 延迟量，进而将延迟后的回声信号叠加得到增强的回声信号输出，即超声成像图像中一个像素点的亮度值。
算法的输入数据为三维数组超声回波数据signal，定义signal(i,k,d)为第i次超声发射、第k个接收阵元接收的第d个信号的值；算法的输出数据为二维图像image，定义image(i,j)为图像中第i列第j行的像素点的亮度值。
以下为算法过程描述：
1.设定变量i为列数的循环变量，设定初始值0；
2.设定变量j为行数的循环变量，设定初始值0；
3.设定变量k为阵元数的循环变量，设定初始值0；
4.根据变量i,j,k计算延迟的时间，以及对应的数组下标d；
5.执行叠加，变量image(i,j)叠加信号signal(i,k,d)；
6.自增变量k，若变量k的值小于总阵元数，则跳转到步骤3；
7.自增变量j，若变量j的值小于总行数，则跳转到步骤2；
8.自增变量i，若变量i的值小于总列数，则跳转到步骤1；
9.算法结束，返回图像image。
延迟叠加算法包含三个循环，如上方算法描述中所示。该算法的时间复杂度为：
Complexity＝O(LC×RC×RA)，
其中变量LC(Line Count)表示输出图像中垂直的图像列数，变量RC(Rows Count)表示输出图像中的行数，变量PA(Probe Amount)表示接收回声超声信号的探头阵元数量。
串行延迟叠加波束形成算法的核心代码中，核心操作是对延迟后输入数据的叠加。对于最终生成的图像中的一个特定的像素点(i,j)，存在PA次输入数据信号的叠加，叠加的公式如下：
Figure PCTCN2018113235-appb-000001
其中，i、j和k分别是LC、RC和PA的累加变量，而d是延迟量的数值，可以通过特定i、j和k变量的相关计算得到。当变量i为一个特定值i fixed时，最终图像中第i fixed列上像素点的亮度值可以通过如下公式计算：
Figure PCTCN2018113235-appb-000002
通过对延迟叠加算法进行分析，得出计算不同图像线上的image(i fixed,j)时并不存在相互间的数据依赖。因此，延迟叠加算法的计算过程可以并行化实现。在FPGA芯片中实现上述的并行延迟叠加波束形成算法，并部署与SuperVessel上基于CAPI加速的FPGA云主机中。
在云主机中通过网络传输相应的超声回波数据，并执行相应的调用代码，FPGA芯片展开计算。计算得到的数据通过网络传回来，通过显示图像模块得以展示。
本发明依据现有的科学技术现状，在运用了使用CAPI FPGA加速的SuperVessel云平台上实现了一个实时高清医学超声成像系统。在FPGA芯片上实现医学超声成像的核心计算过程，并且超声成像延迟叠加算法本身针对FPGA的结构做出了相应的适配和改进，充分挖掘了FPGA芯片高并发运算能力实现延迟叠加波束形成算法的实现，达到了医学超声成像系统中低成本高帧率的要求。
与现有技术相比，本发明的有点主要体现在两个方面：一方面，本发明重点实现了基于CAPI传输加速的FPGA芯片上的延迟叠加波束形成算法，充分利用了FPGA低功耗高并发的特点，成像计算速度相较于传统的基于中央处理器的医学超声成像系统有极大的提升；另一方面，在免费的SuperVessel云平台上使用基于CAPI传输加速的FPGA芯片，将计算过程独立到云上，进一步降低设备成本，减小医学超声成像设备的体积。
附图说明
图1为使用CAPI加速的FPGA医学超声成像系统工作流程示意图。
图2为FPGA芯片中并行延迟叠加波束形成算法实现模块图。
图3为SuperVessel云平台上CAPI FPGA与Host主机结构图。
图4为使用CAPI加速的FPGA医学超声成像系统输出图像实例图。
具体实施方式
以下结合附图和实例对本发明的具体实施作进一步说明，但本发明的实施和保护不限于此。需指出的是，一下若有未特别详细说明之处，均是本领域技术人员可参考现有技术实现的。
图1为本实例的工作流程示意图。由图1可以看出，使用CAPI加速的FPGA医学超声成像系统设计有如下模块。
1.数据仿真模块
使用Field II仿真器模拟超声成像中超声波的传播过程并取得仿真数据；在数据仿真模块中首先根据现实超声成像设备相应配置来模拟对应的仿真物理数据，创建发射和接收阵元，创建模拟检测对象，然后按照扫描线逐条模拟发射并接收回波数据。
2.核心计算模块
核心计算模块的总体结构如图2所示，该模块包含五个主要部分：输入数据分离器、行数循环生成器、延迟信号选择器、叠加器和数据输出控制器。以下是这五个部分设计原理和实现模式的详细描述：
输入数据分离器：用于将CAPI总线的256位输入数据分离，并且规划好输入数据读取的顺序；
行数循环生成器：当图像中某一列像素点计算所需要的所有输入信号数据读取完毕时，行数循环生成器将开始生成行数循环变量j的值，变量j的初始值为0，在每一个时钟周期内自增1，直到最大值1023；
延迟信号选择器：延迟信号选择器将计算对应像素点不同数据通道上的延迟量，并选择对应的输入信号数据；延迟信号选择器包含了一个延迟量计算器和一个BRAM存储器，BRAM存储器用于存储某个数据输入接收通道接收到的输入信号数据；
叠加器：在并行延迟叠加算法的CAPI设计中共有64个延迟信号选择器，而这64个延迟信号选择器的输出值之和，即为当前坐标(i,j)处像素点的亮度值(image(i,j))；计算两个延迟信号选择器输出值之和需要一个加法器，对应地，计算64个延迟信号选择器输出值之和需要63个加法器；为了使得加法器设计流水线化，叠加器模块将加法器分为6个阶段层次，每层分别使用32、16、8、4、2、1个加法器；
输出数据控制器：输出的数据可以先存放于BRAM存储器中，每8个时钟周期通过CAPI总线接口向CPU输出一次数据。
3.显示图像模块
显示图像模块在核心计算模块得到像素数据后，对像素数据进行希尔伯特变化、对数压缩、灰度范围校正和图像深度及宽度计算等操作，最后将图像相关数据输出到对应的坐标系中，在屏幕显示成像，或将图像存储到文件中。
本实例的系统主要在SuperVessel提供的基于CAPI加速的FPGA云平台上实现，数据仿真模块采用Field II得到的超声仿真数据，通过网络传输到云主机中，经过CAPI接口传输到FPGA芯片后，核心计算模块执行并行的延迟叠加波束形成算法，计算得到图像数据，经过网络传输回来，通过显示图像模块显示出来。
4.运行步骤
SuperVessel平台中，使用CAPI加速的FPGA云主机的总体结构如图3所示。在SuperVessel平台上使用CAPI FPGA加速器来加速算法应用，需要执行以下步骤：
1.使用XilinxVivado软件设计FPGA加速器核心模块；
2.在本地的x86机器上集成FPGA加速器核心模块和CAPI仿真框架进行仿真验证；
3.在本地机器上编译FPGA加速器核心模块和CAPI加速框架构成的加速器包，并生成对应的bitstream文件；
4.将加速器bitstream文件上传到SuperVessel云平台上；
5.在SuperVessel云平台上申请虚拟机资源，并关联对应的加速器bitstream文件，然后启动虚拟机运行加速器。
在实例中，通过网络将10份医学超声图像的输入信号数据载入SuperVessel云平台，其中每份图像的输入信号数据对应于一张超声图像。在云平台上通过CAPI加速架构提供的API，调用FPGA加速器，将数据从云平台上CPU对应的DDR内存中传输到FPGA中的BRAM里；完成图像像素点数值计算后再将数据传回DDR内存。实测从数据传输开始到数据传输结束的时间，得到并行延迟叠加算法云计算应用运行的总时间。并行延迟叠加算法在FPGA上的计算时间通过统计算法执行的时钟周期来确定，因此，还可推算出数据传输所消耗的时间。通过多次实验求得各项时间参数的平均值，得到的实验结果为：数据传输时间10.9ms，计算时间0.3ms，总执行时间11.2ms。与此同时，使用SuperVessel云平台上CPU计算获得同样的10张医学超声图像，其每张图像计算的平均耗时为246ms。由此计算可得，本文设计的CAPI FPGA并行延迟叠加算法实现的加速比达到了约22倍。
上述实验中生成的图像如图4所示。图4左侧为模拟的4个圆形物体，图4右侧为通过医学超声成像系统计算得到的图像。
本实例描述了在SuperVessel云平台上，设计和评测基于CAPI FPGA加速器技术的并行延迟叠加算法。实验评测结果表明，基于SuperVessel云平台上的使用CAPI加速的FPGA医学超声成像系统的运行速度相较于使用CPU计算的延迟叠加算法的运行速度提高了约22倍，计算帧率理论值达到了89帧每秒，该设计满足了低成本高帧率的需求。

Claims (8)

  1. 使用CAPI加速的FPGA医学超声成像系统，其特征在于包括数据仿真模块、核心计算模块和显示图像模块；数据仿真模块采用Field II得到的超声仿真数据，通过网络传输到云主机中，经过CAPI接口传输到FPGA芯片后，核心计算模块执行并行的延迟叠加波束形成算法，计算得到图像数据，经过网络传输回来，通过显示图像模块显示出来。
  2. 根据权利要求1所述的使用CAPI加速的FPGA医学超声成像系统，其特征在于所述数据仿真模块使用Field II仿真器模拟超声成像中超声波的传播过程并取得仿真数据；在数据仿真模块中首先根据现实超声成像设备相应配置来模拟对应的仿真物理数据，创建发射和接收阵元，创建模拟检测对象，然后按照扫描线逐条模拟发射并接收回波数据。
  3. 根据权利要求1所述的使用CAPI加速的FPGA医学超声成像系统，其特征在于核心计算模块为基于CAPI传输技术的FPGA芯片，在FPGA芯片中实现延迟叠加波束形成算法，与基于CPU计算的延迟叠加波束形成算法具有相同的输入输出数据流和相同的延迟叠加处理。
  4. 根据权利要求1所述的使用CAPI加速的FPGA医学超声成像系统，其特征在于显示图像模块在核心计算模块得到像素数据后，对像素数据进行希尔伯特变化、对数压缩、灰度范围校正和图像深度及宽度计算等操作，最后将图像相关数据输出到对应的坐标系中，在屏幕显示成像，或将图像存储到文件中。
  5. 根据权利要求1所述的使用CAPI加速的FPGA医学超声成像系统，其特征在于核心计算模块包括输入数据分离器、行数循环生成器、延迟信号选择器、叠加器和数据输出控制器；
    输入数据分离器：用于将CAPI总线的256位输入数据分离，并且规划好输入数据读取的顺序；
    行数循环生成器：当图像中某一列像素点计算所需要的所有输入信号数据读取完毕时，行数循环生成器将开始生成行数循环变量j的值，变量j的初始值为0，在每一个时钟周期内自增1，直到最大值1023；
    延迟信号选择器：延迟信号选择器将计算对应像素点不同数据通道上的延迟量，并选择对应的输入信号数据；延迟信号选择器包含了一个延迟量计算器和一个BRAM存储器，BRAM存储器用于存储某个数据输入接收通道接收到的输入信号数据；
    叠加器：在并行延迟叠加算法的CAPI设计中共有64个延迟信号选择器，而这64个延迟信号选择器的输出值之和，即为当前坐标(i,j)处像素点的亮度值(image(i,j))；计算两个延迟信号选择器输出值之和需要一个加法器，对应地，计算64个延迟信号选择器输出值之和需要63个加法器；为了使得加法器设计流水线化，叠加器模块将加法器分为6个阶段层次，每层分别使用32、16、8、4、2、1个加法器；
    输出数据控制器：输出的数据可以先存放于BRAM存储器中，每8个时钟周期通过CAPI总线接口向CPU输出一次数据。
  6. 根据权利要求5所述的使用CAPI加速的FPGA医学超声成像系统，其特征在于输入数据分离器通过如下的步骤读取数据：
    第一步：在T时钟周期内，第0个至第7个延迟信号选择器读取一个CAPI输入信号数据；在(T+1)时钟周期内，第8个至第15个延迟信号选择器读取下一个CAPI输入信号数据；以次类推，直到在T+7时钟周期内，第56个至第63个延迟信号选择器读取下一个CAPI输入信号数据；
    第二步：重复第一步所描述的步骤，直到生成的图像中的某一列像素点所需要的所有输入信号数据读取完毕；
    第三步：当图像中某一列的所有像素点均计算完成，则回到第一步读取生成图像中下一列像素点所需要的输入信号数据过程。
  7. 根据权利要求6所述的使用CAPI加速的FPGA医学超声成像系统，其特征在于核心计算模块在基于CAPI加速的FPGA芯片中实现；执行并行的延迟叠加波束形成算法中，首先计算接收到的回声超声信号的延迟量，进而将延迟后的回声信号叠加得到增强的回声信号输出，即超声成像图像中一个像素点的亮度值；
    算法的输入数据为三维数组超声回波数据signal，定义signal(i,k,d)为第i次超声发射、第k个接收阵元接收的第d个信号的值；算法的输出数据为二维图像image，定义image(i,j)为图像中第i列第j行的像素点的亮度值；
    以下为算法的过程：
    (1)设定变量i为列数的循环变量，设定初始值0；
    (2)设定变量j为行数的循环变量，设定初始值0；
    (3)设定变量k为阵元数的循环变量，设定初始值0；
    (4)根据变量i,j,k计算延迟的时间，以及对应的数组下标d；
    (5)执行叠加，变量image(i,j)叠加信号signal(i,k,d)；
    (6)自增变量k，若变量k的值小于总阵元数，则跳转到步骤(3)；
    (7)自增变量j，若变量j的值小于总行数，则跳转到步骤(2)；
    (8)自增变量i，若变量i的值小于总列数，则跳转到步骤(1)；
    (9)算法结束，返回图像image；
    延迟叠加算法包含三个循环，如上方算法描述中所示；该算法的时间复杂度为：
    Complexity＝O(LC×RC×RA)，
    其中变量LC(Line Count)表示输出图像中垂直的图像列数，变量RC(Rows Count)表示输出图像中的行数，变量PA(Probe Amount)表示接收回声超声信号的探头阵元数量。
  8. 根据权利要求7所述的使用CAPI加速的FPGA医学超声成像系统，其特征在于延迟叠加算法的计算过程可以并行化实现，在FPGA芯片中实现并行延迟叠加波束形成算法，并部署与SuperVessel上基于CAPI加速的FPGA云主机中。
PCT/CN2018/113235 2018-04-10 2018-10-31 使用capi加速的fpga医学超声成像系统 WO2019196394A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810314063.2A CN108652661A (zh) 2018-04-10 2018-04-10 使用capi加速的fpga医学超声成像系统
CN201810314063.2 2018-04-10

Publications (1)

Publication Number Publication Date
WO2019196394A1 true WO2019196394A1 (zh) 2019-10-17

Family

ID=63783074

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/113235 WO2019196394A1 (zh) 2018-04-10 2018-10-31 使用capi加速的fpga医学超声成像系统

Country Status (2)

Country Link
CN (1) CN108652661A (zh)
WO (1) WO2019196394A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418248A (zh) * 2020-11-19 2021-02-26 江苏禹空间科技有限公司 基于fpga加速器的目标检测方法及系统

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108652661A (zh) * 2018-04-10 2018-10-16 华南理工大学 使用capi加速的fpga医学超声成像系统
CN109947682B (zh) * 2019-03-21 2021-03-09 浪潮商用机器有限公司 一种服务器主板及服务器
JP2020203078A (ja) * 2019-06-14 2020-12-24 エコセンス 粘弾性媒体の超音波パラメータを測定するための方法およびデバイス
US11850098B2 (en) 2019-06-14 2023-12-26 Echosens Method and device for measuring an ultrasound parameter of a viscoelastic medium

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106510756A (zh) * 2016-10-24 2017-03-22 华南理工大学 集成图形处理单元的嵌入式实时高清医学超声成像系统
CN107582098A (zh) * 2017-08-08 2018-01-16 南京大学 一种二维超声图像集合重构的三维超声成像方法
CN108652661A (zh) * 2018-04-10 2018-10-16 华南理工大学 使用capi加速的fpga医学超声成像系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106510756A (zh) * 2016-10-24 2017-03-22 华南理工大学 集成图形处理单元的嵌入式实时高清医学超声成像系统
CN107582098A (zh) * 2017-08-08 2018-01-16 南京大学 一种二维超声图像集合重构的三维超声成像方法
CN108652661A (zh) * 2018-04-10 2018-10-16 华南理工大学 使用capi加速的fpga医学超声成像系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CHEN JUNYING, ET AL.: "Heterogeneous Acceleration of Medical Ultrasound Imaging Algorithm with CAPI FPGA", ELECTRONIC ENGINEERING & PRODUCT WORLD, vol. 10, 9 November 2016 (2016-11-09), ISSN: 1005-5517 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418248A (zh) * 2020-11-19 2021-02-26 江苏禹空间科技有限公司 基于fpga加速器的目标检测方法及系统
CN112418248B (zh) * 2020-11-19 2024-02-09 无锡禹空间智能科技有限公司 基于fpga加速器的目标检测方法及系统

Also Published As

Publication number Publication date
CN108652661A (zh) 2018-10-16

Similar Documents

Publication Publication Date Title
WO2019196394A1 (zh) 使用capi加速的fpga医学超声成像系统
Gilan et al. FPGA-based implementation of a real-time object recognition system using convolutional neural network
WO2020073211A1 (zh) 运算加速器、处理方法及相关设备
US20180046900A1 (en) Sparse convolutional neural network accelerator
CN111967468A (zh) 一种基于fpga的轻量级目标检测神经网络的实现方法
JP2019036298A (ja) 知能型高帯域幅メモリシステム及びそのための論理ダイ
US20230146259A1 (en) Sampling across multiple views in supersampling operation
CN102158694B (zh) 一种基于gpu的遥感图像解压缩方法
Solovyev et al. Fixed-point convolutional neural network for real-time video processing in FPGA
CN114995782B (zh) 数据处理方法、装置、设备和可读存储介质
US20230143192A1 (en) Input filtering and sampler acceleration for supersampling
Zheng et al. Interactive multi-scale feature representation enhancement for small object detection
US20230065183A1 (en) Sample distribution-informed denoising & rendering
WO2022111002A1 (zh) 用于训练神经网络的方法、设备和计算机可读存储介质
CN101426134A (zh) 用于视频编解码的硬件装置及方法
CN108520532B (zh) 识别视频中物体运动方向的方法及装置
CN108053361A (zh) 多互连视觉处理器及采用其的图像处理方法
US20230146390A1 (en) Trainable visual quality metrics for measuring rendering quality in a graphics environment
CN106510756A (zh) 集成图形处理单元的嵌入式实时高清医学超声成像系统
Zhao et al. A 307-fps 351.7-GOPs/W deep learning FPGA accelerator for real-time scene text recognition
WO2023184754A1 (zh) 可配置实时视差点云计算装置及方法
CN113112400B (zh) 一种模型训练方法及模型训练装置
CN109710562A (zh) 一种基于selectmap的可配置且高速的fpga配置电路及实现方法
DE102018127265A1 (de) Multi-einzelbild-videointerpolation mit optischem fluss
CN114519731A (zh) 深度图像补全的方法和装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18914111

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 22/01/2021)

122 Ep: pct application non-entry in european phase

Ref document number: 18914111

Country of ref document: EP

Kind code of ref document: A1