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。

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。