診斷與臨床內鏡處理
在優異的 ISP 和增強的視覺係統上提供智能性及最佳性能功耗比，
可充分滿足手術及 GI 視頻內窺鏡需求
預防醫學與微創外科手術的發展正在推動內窺鏡係統增強功能需求的發展。傳統多芯片實現方案會產生時延問題，會對現代內窺鏡所需的低延時、高帶寬及計算密集型功能造成負麵影響。
一款典型的內窺鏡係統包括具有光源和攝像機頭的內窺鏡、攝像機控製單元 (CCU) 以及圖像管理單元。
攝像機頭與光源相連。插入帶有攝像機和光源的內窺鏡，對相關區域進行攝像。在攝像機控製單元 (CCU) 中對圖像信號進行處理後，可捕獲未壓縮的原始圖像並實時或近乎實時地顯示在一個或多個顯示器上。視頻或圖像可壓縮並以各種格式存儲在 DVR 或其它存儲介質中，供以後使用和留存。通常，圖像管理單元將執行視頻處理，如編解碼、jpeg 轉換、圖像覆蓋、操作、圖中圖片以及其它功能，並將壓縮和存儲圖像，以備將來使用。
在診斷 GI 視頻內窺鏡中，圖像的捕獲、傳輸、預處理和顯示的時延要求為 50~150 毫秒。使用內窺鏡的外科手術需要實時或近乎實時的響應。各種圖片校正、顏色及噪聲校正之後，再進行邊緣增強和縮放。
隨著相機分辨率標準從 2K 到 4K 再到 4K-3D 甚至 8K，並且需要 AI-ML 功能助力，新發布的Xilinx Versal AI Edge 係列ACAP 器件可以處理如此高性能的預處理，同時提供所需的低延遲，保持合適的熱包絡。
設計範例
本設計範例主要討論使用 Xilinx 解決方案構建 4K 視頻內窺鏡。如上文所述，內窺鏡係統所具備的處理係統通常包括光源和攝像機頭、攝像機控製單元 (CCU) 和圖像管理單元。該係統支持雙 4K 視頻流。
攝像機頭部的雙 4k 圖像傳感器可進行圖像采集，而圖像信號處理則在 Xilinx FPGA/SOC 中完成。
然後將視頻流發送至一個或多個 FPGA-SoC 器件，例如Versal AI Edge或 UltraScale+ 器件執行圖像預處理，並使用 DisplayPort 或四通道 SDI 接口近乎實時地顯示流到高清 4K 監視器，供外科醫生查看。攝像機控製單元執行圖像、色彩和噪聲校正，包括白平衡、自動調節亮度、增益控製以及 IRIS 控製等。這裏顯示了一些典型的預處理功能。根據需求，有不同的方式來劃分預處理功能。
使用 Xilinx AI Edge 或 Zynq Ultrascale+ 提供幾項明顯的優勢：
- 低延時和高帶寬優勢提升了係統性能：采用硬件加速以支持視頻分析功能，如：變焦失真校正、低延遲旋轉、視角變換、對象識別、比較、計數、身份確認、定位和測量等
- 集成單芯片係統處理器與圖像處理功能可降低 材料成本與功耗
- 最佳軟硬件分區在單個器件中高度整合圖像／視頻處理、分析以及攝像頭控製功能， 可降低時延，減少瓶頸
- 支持多種連接標準 — Quad SDI、HDMI、DisplayPort、SATA、USB、以太網等
作為後處理的一部分，可使用帶有內建視頻編解碼器引擎的 SOC 器件（如 ZU+ MPSOC）對原始視頻執行各種圖像管理功能。Kria SOM 還提供了更快的開發時間和生產時間。
目前，Xilinx 解決方案具有顯著的平台商機，有望成為視頻內窺鏡檢查處理係統的主要部件。
- 4K60 視頻編碼器，支持基於網絡的視頻傳輸
- 通過高度集成的開發工具流程和 OpenCV、Vivado™ 高層次綜合以及 IP Integrator 提高設計生產力。
- 減少與專門生態係統 IP、軟件及操作係統整合所需的時間
通常， SoC-FPGA 可通過 ASSP 設備為圖像預處理功能提供更高的性能、帶寬及實時功能。GPU 廣泛用於後端圖像處理，但 Xilinx FPGA 的功耗可能會顯著低於使用 GPU 的應用。
此外，與同類競爭 GPU 或處理器不同，Xilinx 專注於臨床設備所需的可靠性、安全性、保密性以及長期的使用壽命支持。
