使用加速CNN的图像注册的FPGA实施
Seda Guzel Aydin1, Hasan Şakir Bilge2
1Department of Electrical and Electronics Engineering, Bingol University, Bingol 12000, Turkey.
Sensors (Basel, Switzerland)
|July 29, 2023
概括
这项研究引入了基于FPGA的CNN,用于更快的超声波图像注册,实现139倍的速度比软件方法更快,对实时医学成像应用的准确性损失最小.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 硬件加速器 硬件加速器
背景情况:
- 精确的超声波图像记录 (IR) 对于图像引导手术至关重要.
- 卷积神经网络 (CNN) IR比传统方法提供了速度优势.
- 通用处理器限制了实时CNN性能; 现场可编程网关数组 (FPGA) 提供加速.
研究的目的:
- 开发基于FPGA的CNN,用于加速超声波图像注册.
- 为了有效地回归三个刚性注册参数.
主要方法:
- 提出了一个基于FPGA的超声波IR CNN (FUIR-CNN).
- 使用固定点数据和并行操作 (解卷,管道) 来实现速度.
- 在xc7z020和xcku5p FPGAs上与三个美国数据集实施和测试.
主要成果:
- 与基于软件的CNN相比,实现了139倍更快的推断.
- 保持微不足道的回归性能下降 (时钟频率<200 MHz).
结论:
- 端到端的FPGA加速CNN提供高速注册,精度损失最小.
- 与CPU相比,实时医学成像具有较低的功耗.
