【摘要】：隨著細(xì)胞圖像處理在臨床醫(yī)療診斷中的廣泛應(yīng)用,細(xì)胞圖像處理的實(shí)時(shí)性要求越來(lái)越高。由于同構(gòu)多核處理器在處理細(xì)胞圖像時(shí)運(yùn)算速度提升受限,因此研究含有不同加速指令的異構(gòu)多核處理器對(duì)細(xì)胞圖像處理具有重要意義。通過(guò)對(duì)多核處理器及細(xì)胞圖像處理算法的研究,設(shè)計(jì)了一款應(yīng)用于細(xì)胞圖像處理的異構(gòu)多核處理器。該處理器共有八個(gè)內(nèi)核,每個(gè)內(nèi)核均是兩級(jí)流水處理器,第0個(gè)內(nèi)核前設(shè)置輸入緩沖作為細(xì)胞圖像的緩存,八個(gè)內(nèi)核通過(guò)交叉開關(guān)矩陣訪問(wèn)具有四個(gè)存儲(chǔ)塊的共享數(shù)據(jù)存儲(chǔ)池。交叉開關(guān)矩陣對(duì)內(nèi)核地址低的數(shù)據(jù)進(jìn)行優(yōu)先編碼,當(dāng)兩個(gè)內(nèi)核同時(shí)訪問(wèn)同一存儲(chǔ)塊時(shí),地址較低的內(nèi)核優(yōu)先進(jìn)行訪問(wèn)。多核處理器采用了無(wú)鎖結(jié)構(gòu)的生產(chǎn)者-消費(fèi)者并行編程模型,實(shí)現(xiàn)多個(gè)內(nèi)核存儲(chǔ)及讀取數(shù)據(jù)的配合。針對(duì)細(xì)胞圖像處理的算法選用K近鄰平滑濾波、全等級(jí)直方圖灰度拉伸、高斯模糊、USM銳化、最大類間方差法及連通域標(biāo)記等算法,并在不同內(nèi)核中設(shè)計(jì)Absort指令、Inireg指令、Sumreg指令、Sum4指令、Abs指令、Mulsub指令及Mulpow指令對(duì)算法進(jìn)行加速,使得運(yùn)行K近鄰平滑濾波算法的內(nèi)核速度提升了2.66倍,運(yùn)行全等級(jí)直方圖灰度拉伸及高斯模糊算法內(nèi)核的速度提升了1.21倍,運(yùn)行USM銳化算法內(nèi)核的速度提升了1.36倍,運(yùn)行最大類間方差法內(nèi)核的速度提升了1.17倍。異構(gòu)多核處理器在UMC110nm的工藝下完成仿真及綜合,其在各個(gè)內(nèi)核運(yùn)行對(duì)應(yīng)算法時(shí)處理細(xì)胞圖像速度為每秒203.11幀,相比于單核結(jié)構(gòu)速度提升了10.83倍,最高時(shí)鐘頻率為136.98MHz,總面積為19.0mm~2。
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;R318
【圖文】：

圖 1-1 Mr.Wolf 處理器架構(gòu)Fig.1-1 The Mr.Wolf Processor Architecture方發(fā)達(dá)國(guó)家相比，國(guó)內(nèi)對(duì)細(xì)胞圖像自動(dòng)檢測(cè)分析的研究起步較晚。80 展通過(guò)細(xì)胞進(jìn)行診斷的研究，90 年代初期，癌細(xì)胞視覺(jué)檢測(cè)和識(shí)別。經(jīng)過(guò)了二十余年的發(fā)展，我國(guó)細(xì)胞圖像自動(dòng)檢測(cè)技術(shù)也有了一定的 年，張桂梅等人針對(duì)醫(yī)學(xué)圖像灰度不均勻的問(wèn)題提出了新的分割模方法，將其在 CPU 中運(yùn)行，發(fā)現(xiàn)可以分割圖像的效率以及準(zhǔn)確度都2016 年，北京郵電大學(xué)針對(duì)癌細(xì)胞檢測(cè)對(duì) Alex Net 進(jìn)行了改進(jìn)，提網(wǎng)絡(luò)更加穩(wěn)定，規(guī)�？s小且提升了速度[28]。2018 年，楊金鑫等人針確細(xì)胞的問(wèn)題，提出了一種基于超像素分割的 NLM 去噪算法，以降低像的影響[29]。2018 年，南京理工大學(xué)朱珊珊等人發(fā)現(xiàn) CPU 串行處理里葉變換的需求，處理時(shí)間較長(zhǎng)，而光學(xué)相干層析技術(shù)在生物醫(yī)學(xué)領(lǐng)著重要的作用，而活體成像對(duì)實(shí)時(shí)性要求較高，因此考慮將 CUDA 到數(shù)據(jù)處理中，發(fā)現(xiàn) CUDA 這種 CPU+GPU 的混合編程技術(shù)使處理。

圖 2-1 LPC5411x 內(nèi)部功能框圖Fig.2-1 The LPC5411x Internal Functional Block Diagram核處理器流處理的方式處理數(shù)據(jù)，將不同的算法分配在各個(gè)內(nèi)內(nèi)核的數(shù)據(jù)，不同內(nèi)核間僅有細(xì)胞圖像數(shù)據(jù)的傳輸，存儲(chǔ)器中，當(dāng)一個(gè)內(nèi)核處理完數(shù)據(jù)存入共享存儲(chǔ)器多核處理器分為兩類，一類為集中式共享存儲(chǔ)多核ultiprocessors，SMP），另一類為多核架構(gòu)采用ed Memory，DSM），內(nèi)核的數(shù)量決定了兩類存儲(chǔ)器多核處理器均采用 SMP 結(jié)構(gòu)，其架構(gòu)如圖 2-2 所示內(nèi)核，通常數(shù)量小于等于 32 個(gè)。對(duì)于內(nèi)核數(shù)量較少個(gè)集中式的存儲(chǔ)器，并且每一個(gè)內(nèi)核對(duì)所有存儲(chǔ)器構(gòu)有時(shí)也被稱為一致性存儲(chǔ)訪問(wèn)多核處理器，所有內(nèi)

（a）灰度圖 （b）最大類間方差法處理效果 （c）Canny 算子處理效果圖 3-4 人像灰度圖經(jīng)最大類間方差法及 Canny 算子處理效果圖Fig.3-4 Portrait Grayscale Image Processed by OTSU and Canny Operator（a）灰度圖 （b）最大類間方差法處理效果 （c）Canny 算子處理效果圖 3-5 細(xì)胞灰度圖經(jīng)最大類間方差法及 Canny 算子處理效果圖Fig.3-5 Cell Grayscale Image Processed by OTSU and Canny Operator圖 3-4（a）是一幅較為復(fù)雜的人像灰度圖，可以從圖 3-4（b）及圖 3-4（c）看出 Cann算子分割出了人像圖的細(xì)節(jié)，最大類間方差法對(duì)人像圖的所有細(xì)節(jié)處理的效果都不如Canny 算子，因此對(duì)于這種較為復(fù)雜的圖像最大類間方差法并不占優(yōu)勢(shì)。圖 3-5（a）是一

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 漆鵬杰;劉秀波;仲兆準(zhǔn);;顯微細(xì)胞圖像有形成分分割方法研究[J];微型機(jī)與應(yīng)用;2015年17期

2 蘇娜;;基于形狀參數(shù)的重疊細(xì)胞圖像判別研究[J];電腦知識(shí)與技術(shù);2012年25期

3 徐俊杰;;電子計(jì)算機(jī)細(xì)胞圖像分析[J];法醫(yī)學(xué)雜志;1993年02期

4 郝連旺;洪文學(xué);魏濵;;基于優(yōu)選特征屬性偏序結(jié)構(gòu)分析的白細(xì)胞圖像分類規(guī)則發(fā)現(xiàn)[J];高技術(shù)通訊;2015年Z2期

5 顧廣華;崔冬;;白細(xì)胞圖像的柔性組合分割算法[J];儀器儀表學(xué)報(bào);2008年09期

6 馬建華,陳道達(dá),鄭清平,田源,陶凱雄;細(xì)胞圖像分析優(yōu)選阿霉素磁性蛋白微球[J];華中科技大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);2002年02期

7 姜志國(guó),周孝寬;細(xì)胞圖像形態(tài)的分形維研究[J];中國(guó)體視學(xué)與圖像分析;1996年Z3期

8 吳慧編;仇曉春;;前沿[J];上海交通大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);2017年02期

9 漆鵬杰;劉秀波;仲兆準(zhǔn);管淼;謝光偉;;顯微細(xì)胞圖像有形成分自動(dòng)識(shí)別[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2015年05期

10 唐思源;宮杰;;細(xì)胞圖像的邊緣提取與輪廓跟蹤[J];科協(xié)論壇(下半月);2011年10期

相關(guān)會(huì)議論文 前10條

1 夏潮涌;夏鳴風(fēng);魏清柱;黃中新;;圖像分析系統(tǒng)測(cè)量細(xì)胞圖像光度的性能評(píng)估[A];第九屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2001年

2 沙盛中;翁桂榮;秦樹偉;;基于數(shù)學(xué)形態(tài)學(xué)的白細(xì)胞分割及提取[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

3 張?chǎng)?翁鄧胡;;醫(yī)學(xué)細(xì)胞圖像邊緣檢測(cè)算法研究[A];浙江生物醫(yī)學(xué)工程學(xué)會(huì)第九屆年會(huì)論文匯編[C];2011年

4 王兆仲;周付根;;血細(xì)胞圖像的自適應(yīng)分割[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

5 溫程璐;王蓬勃;李偉;;基于顯微視覺(jué)技術(shù)的生物細(xì)胞圖像處理研究進(jìn)展[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè)[C];2005年

6 魏清柱;夏潮涌;黃中新;覃莉;饒曉黎;康海蘭;黃華梅;;光衍射現(xiàn)象對(duì)細(xì)胞核DNA含量檢測(cè)的影響[A];第九屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2001年

7 麻碩士;侯振杰;裴喜春;潘新;;動(dòng)物骨髓細(xì)胞分割與識(shí)別方法的研究[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè)[C];2005年

8 趙仕杰;柏正堯;姚娜;李德儉;;基于簡(jiǎn)化PCNN模型及信息熵最大準(zhǔn)則的生物細(xì)胞圖像分割[A];中國(guó)儀器儀表學(xué)會(huì)第十一屆青年學(xué)術(shù)會(huì)議論文集[C];2009年

9 黎宗強(qiáng);杜瑩瑩;李嬋;趙廣偉;謝莉萍;;食蟹猴陰道涂片的動(dòng)態(tài)觀察[A];中國(guó)畜牧獸醫(yī)學(xué)會(huì)動(dòng)物解剖學(xué)及組織胚胎學(xué)分會(huì)第十五次學(xué)術(shù)研討會(huì)論文集[C];2008年

10 汪一聰;陳懇;;一種任意形狀粘連顆粒圖像的分離算法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)重要報(bào)紙文章 前2條

1 記者 毛黎;人類首次拍攝到寄生蟲感染細(xì)胞圖像[N];科技日?qǐng)?bào);2008年

2 ;貉的繁殖系列問(wèn)答[N];中國(guó)畜牧獸醫(yī)報(bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 趙理莉;宮頸細(xì)胞圖像智能分析關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2017年

2 關(guān)濤;光學(xué)顯微宮頸細(xì)胞圖像的分割與識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

3 郝連旺;基于多空間混合屬性融合的白細(xì)胞圖像識(shí)別方法研究[D];燕山大學(xué);2014年

4 張瑞華;醫(yī)學(xué)顯微細(xì)胞圖像分割研究[D];武漢科技大學(xué);2014年

5 陳韜亦;生物醫(yī)學(xué)顯微鏡細(xì)胞圖像的運(yùn)動(dòng)恢復(fù)和分割問(wèn)題研究[D];哈爾濱工業(yè)大學(xué);2011年

6 梁光明;體液細(xì)胞圖像有形成分智能識(shí)別關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

7 王瑞胡;紅血球表面形狀特征提取與分類技術(shù)研究[D];重慶大學(xué);2012年

8 孟霆;基于多尺度幾何分析的細(xì)胞圖像處理相關(guān)技術(shù)研究[D];哈爾濱工程大學(xué);2012年

9 范金坪;宮頸細(xì)胞圖像分割和識(shí)別方法研究[D];暨南大學(xué);2010年

10 李寬;細(xì)胞圖像的分割、紋理提取及識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 孫嘉鴻;針對(duì)細(xì)胞圖像處理的異構(gòu)多核處理器研究[D];西安理工大學(xué);2019年

2 韓濤;基于深層次的特征學(xué)習(xí)對(duì)HEp-2細(xì)胞的自動(dòng)化分類及分割方法研究[D];深圳大學(xué);2018年

3 劉帥;AML細(xì)胞圖像分割與識(shí)別方法研究[D];哈爾濱理工大學(xué);2018年

4 胡燕云;顯微白細(xì)胞圖像自動(dòng)獲取與識(shí)別技術(shù)研究[D];湘潭大學(xué);2018年

5 邱立英;外周血細(xì)胞圖像的分割算法研究[D];福州大學(xué);2017年

6 劉歡;細(xì)胞圖像分析處理系統(tǒng)的開發(fā)[D];華東師范大學(xué);2007年

7 魏文明;基于極限學(xué)習(xí)機(jī)算法的彩色血細(xì)胞圖像自動(dòng)分割[D];江西財(cái)經(jīng)大學(xué);2014年

8 王任揮;基于最大信息熵原理的顯微細(xì)胞圖像多閾值分割[D];內(nèi)蒙古師范大學(xué);2008年

9 鄭飛虎;腫瘤顯微細(xì)胞圖像分割技術(shù)研究[D];華東交通大學(xué);2009年

10 王筱艷;細(xì)胞圖像的分割與計(jì)數(shù)[D];四川大學(xué);2007年

本文編號(hào)：2761172