诊断与临床内镜处理

在优异的 ISP 和增强的视觉系统上提供智能性及最佳性能功耗比,
可充分满足手术及 GI 视频内窥镜需求

概述

预防医学与微创外科手术的发展正在推动内窥镜系统增强功能需求的发展。传统多芯片实现方案会产生时延问题,会对现代内窥镜所需的低延时、高带宽及计算密集型功能造成负面影响。

一款典型的内窥镜系统包括具有光源和摄像机头的内窥镜、摄像机控制单元 (CCU) 以及图像管理单元。

摄像机头与光源相连。插入带有摄像机和光源的内窥镜,对相关区域进行摄像。在摄像机控制单元 (CCU) 中对图像信号进行处理后,可捕获未压缩的原始图像并实时或近乎实时地显示在一个或多个显示器上。视频或图像可压缩并以各种格式存储在 DVR 或其它存储介质中,供以后使用和留存。通常,图像管理单元将执行视频处理,如编解码、jpeg 转换、图像覆盖、操作、图中图片以及其它功能,并将压缩和存储图像,以备将来使用。

在诊断 GI 视频内窥镜中,图像的捕获、传输、预处理和显示的时延要求为 50~150 毫秒。使用内窥镜的外科手术需要实时或近乎实时的响应。各种图片校正、颜色及噪声校正之后,再进行边缘增强和缩放。

随着相机分辨率标准从 2K 到 4K 再到 4K-3D 甚至 8K,并且需要 AI-ML 功能助力,新发布的 AMD Versal AI Edge 系列自适应 SoC 器件可以处理如此高性能的预处理,同时提供所需的低延迟,保持合适的热包络。


设计范例

本设计范例主要讨论使用 AMD 解决方案构建 4K 视频内窥镜。如上文所述,内窥镜系统所具备的处理系统通常包括光源和摄像机头、摄像机控制单元 (CCU) 和图像管理单元。该系统支持双 4K 视频流。

摄像机头部的双 4k 图像传感器可进行图像采集,而图像信号处理则在 AMD FPGA/SOC 中完成。

然后将视频流发送至一个或多个 FPGA-SoC 器件,例如 Versal AI Edge 或 UltraScale+ 器件执行图像预处理,并使用 DisplayPort 或四通道 SDI 接口近乎实时地显示流到高清 4K 监视器,供外科医生查看。摄像机控制单元执行图像、色彩和噪声校正,包括白平衡、自动调节亮度、增益控制以及 IRIS 控制等。这里显示了一些典型的预处理功能。根据需求,有不同的方式来划分预处理功能。

使用 AMD AI Edge 或 Zynq Ultrascale+ 提供几项明显的优势:

  • 低延时和高带宽优势提升了系统性能:采用硬件加速以支持视频分析功能,如:变焦失真校正、低延迟旋转、视角变换、对象识别、比较、计数、身份确认、定位和测量等
  • 集成单芯片系统处理器与图像处理功能可降低 材料成本与功耗
  • 最佳软硬件分区在单个器件中高度整合图像/视频处理、分析以及摄像头控制功能, 可降低时延,减少瓶颈
  • 支持多种连接标准 — Quad SDI、HDMI、DisplayPort、SATA、USB、以太网等

作为后处理的一部分,可使用带有内建视频编解码器引擎的 SOC 器件(如 ZU+ MPSOC)对原始视频执行各种图像管理功能。Kria SOM 还提供了更快的开发时间和生产时间。

目前,AMD 解决方案具有显著的平台商机,有望成为视频内窥镜检查处理系统的主要部件。

  • 4K60 视频编码器,支持基于网络的视频传输
  • 通过高度集成的开发工具流程和 OpenCV、Vivado™ 高层次综合以及 IP Integrator 提高设计生产力。
  • 减少与专门生态系统 IP、软件及操作系统整合所需的时间

通常, SoC-FPGA 可通过 ASSP 设备为图像预处理功能提供更高的性能、带宽及实时功能。GPU 广泛用于后端图像处理,但 AMD FPGA 的功耗可能会显著低于使用 GPU 的应用。

此外,与同类竞争 GPU 或处理器不同,AMD 专注于临床设备所需的可靠性、安全性、保密性以及长期的使用寿命支持。

医疗保健中的高性能和自适应计算

医疗保健中的高性能和自适应计算

技术的进步正在彻底改变医学领域。 通过下载并阅读此电子书,您可了解关键的行业挑战,并探索技术如何解锁新的诊断治疗方法、推进研究并助力医生更精确地开展手术。

技术文档