嵌入式视觉、微型处理器和板载摄像头的结合，将有可能为医疗监测和诊断创造新的工具。新型硬件设计可以使医疗设备更快、更小型化、更人性化。它可以实现即时测试，因为该技术将工业级计算机替换为微处理器。同时它也有望大幅度降低设备的总体成本。

小型化的处理器单元和板载相机相结合，为嵌入式视觉创造条件。图片来源：Basler AG。

相对较新的技术已经在工业、**和自动驾驶汽车中得到了应用。目前医疗应用涉及皮肤科、眼科、体外诊断、显微检查和实验室自动化等多个领域。

皮肤科医生利用光学皮肤镜来检查可疑的皮肤色素。通过使用嵌入式相机的数字式皮肤镜，可以查看皮肤色素并拍摄可疑区域的数字图像。

数字图像可以帮助医生随着时间的推移跟踪微小的变化，并通过软件进行检查，以便进行直径测量以及分析颜料的颜色。这可以导致更准确和标准化的诊断，其中颜色和半径的最小变化可以被考虑在内。

另一大优势是数字图像可以用作计算机辅助分析算法的输入。随着机器学习领域的图像分析算法的巨大技术进步，如卷积神经网络的最新发展，能够以惊人灵敏度检测图像数据上的肿瘤可疑区域。算法能够自行学习将肿瘤可疑区域与非可疑区域分开的标准，这为图像引导的诊断开辟了巨大的潜力。

使用数字图像的另一个巨大优势是它可以在皮肤科医生之间共享，以获得多种诊断意见。这可以通过使用图片归档和通信系统来完成，这些系统允许多位医师远程访问相同的诊断信息。

该技术的下一步进展将是创造高度紧凑和易于使用的微型数字式皮肤镜，提供病人在家中使用。嵌入式视觉的硬件发展已经能够支持这种设备的开发。

嵌入式视觉设备的另一个很好的例子可以在眼科中找到。许多眼睛的功能障碍都起源于功能缺失的视网膜。视网膜摄像机允许通过拍摄一个图像，使医生检查眼睛是否有病变以及对细胞的健康状况进行检查。

医疗嵌入式视觉设备中的典型图像处理过程包含四个关键部分。图片来源：Basler AG。

传统的视网膜相机大约是一个小冰箱的大小，无法随身携带。嵌入式视觉使得通过使用板载级相机和微处理器可以缩小视网膜相机的尺寸。这将使得医疗保健的范围更容易增大，同时将大大增加设备数量，从而为制造商带来更好的收入。

嵌入式视觉技术也为医疗领域的其他应用提供了优势。例如在病理学显微镜中，医师花费大量的时间扫描组织探针，组织探针可能包含或不包含病理细胞。嵌入式视觉将有助于使用显微镜内的内置摄像头将组织样本完全数字化。与皮肤病学一样，设备内小型化处理器上运行的复杂算法将识别可疑区域，并将这些区域呈现给医生。

对于体外诊断，嵌入式视觉装置可以用于使用数字显微镜来研究血细胞。在实验室自动化中，诸如条形码读取或探针归档等过程可以自动完成。

在医疗设备中使用的大多数嵌入式视觉系统里，典型的图像处理流水线包括四个步骤：图像传感器的图像采集、传感器数据的预处理、特定应用的图像处理以及用户输出接口。

医疗设备中典型的嵌入式视觉系统：由于摄像头和微处理器的紧凑设计，现代诊断设备已经变得十分轻便。图片来源：Basler AG。

目前，市场上有两种不同类型的传感器——消费级传感器和工业级传感器。虽然智能手机内置的消费级传感器便宜，但工业级传感器在医疗设备中是首选，因为它们耐用、重复利用率高、制造精度更高。

实现颜色还原的准确性

智能手机相机不适合基于视觉的诊断的另一个原因是预处理过程是一个完整的黑匣子，这意味着用户无法知道在预处理过程中究竟发生了什么。这导致得到的图像，有可能与现实的颜色差异很大。

然而在很多情况下，直接计算诊断建议的算法会考虑颜色信息。因此，对于基于视觉的诊断来说，“真彩色”相机非常重要。通常情况下，工业相机具有较高的色彩准确度，这意味着现实世界中的色彩与图像中的数字投影之间存在非常小的“色彩误差”。

来自传感器的原始数据还不是图像。为了获得清晰的图像，预处理图像算法，如拜尔解码、像素校正、清晰度过滤器、色彩空间转换等均被应用于传感器传送的数据。

板载相机内部会进行预处理，这对设备制造商来说是一个主要的好处。系统集成商接收已经更正的图像，而不是原始数据。而且由于预处理是计算密集型的，所以由内部处理单元执行预处理将处理器的高度有限的资源从系统集成商节省到应用特定的算法。

原始传感器数据经过预处理后，下一步是应用程序特定的图像处理。这种类型的处理取决于应用程序和使用情况。

针对皮肤病学的特定应用图像处理还涉及使用机器学习算法（例如，深度学习）自动检测图像数据中发现的异常。处理器的选择取决于要执行的数学运算的类型。对于深度学习算法，例如基于FPGA的片上系统（SoC）是优选的，因为必须执行许多数学运算（称为卷积）。FPGA可以同时运行这些任务，而CPU只能一个接一个地运行任务。

对于眼科的一些应用，需求与使用深度学习的应用不同。如果设备测量眼睛的折射率以确定患者是否需要眼镜，则基于CPU的处理器是优选的。

应用程序特定的处理通常是客户设备扩展的核心要素。在许多情况下，这些应用程序特定的算法是使用OpenCV或OpenVX等图像处理库建立的，这些算法库提供了数百种图像处理算法。

成像的最后一步是输出接口。通常，输出通过显示收集的图像的显示器以及计算的数据呈现给用户，然后用于诊断。大多数现代化的嵌入式视觉设备提供了将病人的数据加密直接上传到云端或医院病人管理系统。其他输出是将设备连接到本地基于PC的系统的对接站，或者用于直接连接监视器的HDMI输出。

嵌入式视觉为开发用于快速诊断的全新一代小型化产品提供了巨大潜力。然而，嵌入式视觉设备的发展仍然比传统的PC设备更具挑战性。与传统的基于PC的设备开发相比，开发嵌入式计算设备上的软件更加困难和容易出错。另外，由于硬件开发通常更多地针对特定应用，因此必须定制硬件组件，并且不能从现成的硬件上购买。这最终导致设备的单件价格更低，但是却使制造商面临更高的初始投资。然而，机器视觉公司正在不断努力使板载相机和处理器更容易结合。

来源：https://www.photonics.com/Article.aspx?AID=62362&PID=1&VID=142&IID=968

本文受译者委托，享有该文的专有出版权，其他出版单位或网站如需转载，请与本站联系，联系email：mail@opticsjournal.net。否则，本站将保留进一步采取法律手段的权利。