COVID-19の検出

FPGAベースでCovid-19の肺感染症(肺炎)の検出

 

Covid-19は2020年を世界中の誰にとっても忘れられない年にしました。多くの人が感染し 多くの人が愛する人を失いました。

 

ウイルスから人々を保護するために世界保健機関(WHO)によって提案された多くの安全規則がありました。また、Covid-19の症状を早期に認識し、そしてもし人が非常に具合が悪くなってきた場合には、患者の身体、特に肺へのウイルスの影響を検出することが重要であることが強調されています。

 

肺の損傷を正確に評価する方法の一つに胸部レントゲンがあります。しかしながら世界的に患者数が多いため、高速かつ高性能な検出方法が不可欠となります。

 

この点で、ニューラルネットワークは医師が両肺の感染症である肺炎を早期に発見することに役立ちます。

 

ニューラルネットワークはさまざまな処理技術を使用して実装できますが、FPGAは高い性能と再構成性に優れているため最適な選択になります。

 

肺感染症の検出が求められているため、アルデックはTySOM組込み開発ボードと連携するFPGAベースのCovid-19診断ソリューションを用意しました。 ニューラルネットワークアルゴリズムは、TySOM-3A-ZU19EGデバイス上のZynq MPSoC XCZU19EGによって計算されます。

 

FPGAでの深層学習を使用して肺のCovid-19(コロナウイルス)感染を検出するために、3575枚の写真をトレーニングに使用し、136枚の写真をアルゴリズム検証に使用しました。データセット内の画像は2つのグループ(肺炎のある患者とない患者)に分けられています。深層学習アルゴリズムは、写真をCOVID-19感染と非感染に分類します。このプロジェクトでは、Yolov3ニューラルネットワークが使用されています。結果は、ボード上のWi-Fiデバイスを使用してボードから送信されます。 このプロジェクトでは、FPGA内で2つのディープラーニングプロセッシングユニット(DPU)が使用されています。 下記画像は、デザインレイアウトの概要を示しています。

 

 

ディープラーニングを使用してFPGAでCovid-19(コロナウイルス)検出を実行結果のサマリは次のとおりです:

 

 

図 1 FPGAを使用したCovid-19感染検出の結果

 

 

図 2 TySOM-3A非covidオブジェクト分類の結果

 

このプロジェクトのベンチマークを実行後、次の結果が得られました:

Part LUT LUTRAM FF BRAM DSP IO GT BUFG MMCM
Utilization (%) 29.7 9.9 26.6 58.5 60.2 8.8 18.7 2.3 27.2

 

Number of DPU cores Application Yolov3-Custom Yolov3-Example
2 FPS 28.1 27.6

 

DPU Instance Name dpu_xrt_top_1 dpu_xrt_top_2
Utilization (%) Aclk Ap_clk_2 Aclk Ap_clk_2
Clk Frequency (Hz) 300 600 300 600

 

アルデックは、命を救うためにこのソリューションを提供しています。TySOMボードのユーザーは、このリファレンスデザインにアクセスし、さらに機能を追加するために拡張することができます。以下に、このソリューションの内容を示します。.

 

主な特徴

 

ソリューションの内容



Printed version of site: www.aldec.com/jp/solutions/embedded/covid-19-detection