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。

下面是2019冠状病毒疾病的FPGA检测

  • 新冠病毒目标检测概率99.97%

图1 FPGA检测COVID-19感染结果

  • 非covid对象检测概率为99.71%

图2 TySOM-3A非新冠病毒对象分类结果

在为本项目运行了一些基准测试后,取得了以下成果:

  • Zynq MPSoC US+ZU19EG芯片使用的可编程逻辑:
部分 附近地区 卢特拉姆 FF 布拉姆 DSP 木卫一 燃气轮机 BUFG 毫米厘米
利用率(%) 29.7 9.9 26.6 58.5 60.2 8.8 18.7 2.3 27.2

  • 每秒帧数汇总
DPU核数 应用 约洛夫3号海关 约洛夫3例
2. FPS 28.1 27.6

  • DPU时钟设置
DPU实例名称 dpu\u xrt\u顶部\u 1 dpu\u xrt\u顶部\u 2
DPU Clk Aclk Ap_clk_2 Aclk Ap_clk_2
时钟频率(赫兹) 300 600 300 600

Aldec提供了这个解决方案来帮助拯救生命。TySOM board的用户可以访问此参考设计并扩展以向其添加更多功能。您可以在下面找到此解决方案内容。

主要特征

  • 包括TySOM-3A-ZU19EG嵌入式开发板
  • 包括如何运行演示的参考设计
  • 高达30 FPS的肺部感染检测性能
  • 预构建并可随时使用的文件预加载到SD卡中

溶液含量

  • 基于FPGA 2019冠状病毒疾病的深部肺部感染检测
  • TySOM-3A-ZU19EG葡萄平台
  • 预构建的Linux嵌入式操作系统可在主板上运行
  • 包括设计说明和源代码
问我们一个问题
十、
问我们一个问题
十、
验证码图像 重新加载验证码
输入错误的数据。
非常感谢。您的问题已提交。请留出1-3个工作日,以便有人回答您的问题。
发生内部错误。你的问题没有提交。请联系我们使用反馈形式.
我们使用cookie以确保我们给您最好的用户体验,并向您提供我们认为将与您相关的内容。如果您继续使用我们的网站,即表示您同意我们使用cookie。关于cookies和其他网站信息使用的详细概述载于我们的网站隐私政策.
Baidu