COVID-19检测

FPGA 2019冠状病毒疾病的肺部感染（肺炎）检测

2019冠状病毒病使2020年成为世界各地每个人难忘的一年。许多人被感染，许多人失去了他们的亲人。

世界卫生组织（WHO）提出了许多安全规则，以保护人们免受病毒的侵害。2019冠状病毒疾病的早期识别和重要性，如果一个人正在变得非常不舒服-检测病毒对病人身体的影响；尤其是他们的肺。

评估肺损伤最准确的方法之一是胸部x光检查。然而，由于全球患者数量众多，快速高效的检测方法至关重要。

在这方面，神经网络可以帮助医生在疾病的早期发现肺炎，即双肺感染。

虽然神经网络可以使用多种不同的处理技术实现，但FPGA因其高性能和可重构性而成为最佳选择。

由于对肺部感染2019冠状病毒疾病的检测，ALDEC已经准备了一个基于FPGA的COVID-19诊断方案，它与TySOM嵌入式开发板一起工作。神经网络算法由Zynq MPSoC XCZU19EG在TySOM-3A-ZU19EG设备上计算。

为了利用FPGA上的深度学习检测肺部的Covid-19(冠状病毒)感染，包括3575张图片的数据集已用于训练，136张图片用于算法验证。数据集中的图像分为两组:肺炎患者和非肺炎患者。深度学习算法会将感染和未感染的图片进行分类。本课题使用了Yolov3神经网络。结果通过单板上的Wi-Fi设备发送到单板外。该项目在FPGA中使用了2个深度学习处理单元(DPU)。下图显示了设计布局的概览。