三维卷积神经网络（3D CNN）在肺结节检测领域具备极高的应用价值与发展潜力。然而，由于其计算复杂度高，内存开销大，在单块现场可编程门阵列（FPGA）上的硬件加速面临严峻挑战。为此，本文面向多FPGA平台提出一套高效映射策略，充分利用系统级大规模并行能力，最大限度提升计算效率。本系统通过集成6片定制化FPGA板卡，实现了业内领先的性能指标：肺结节分割算力达15.9 TOPS，分类任务算力达3.8 TOPS。与CPU基线相比，系统加速比高达128.2倍；与GPU实现相比，其能效比提升6.7倍。同时，在真实临床标准数据集上，该系统达到87.1%的召回率，整体性能居于国际先进水平。
关键词：
肺结节检测；三维卷积神经网络；现场可编程门阵列（FPGA）；多FPGA系统；硬件加速；并行映射
作者：
曹壮1,2，张甜1,2，何小威1,2，刘胜1,2，沈俊忠1,2 单位： 1国防科技大学计算机学院，中国长沙市，410073 2先进微处理器芯片与系统重点实验室，中国长沙市，410073 本文引用格式： Zhuang CAO, Tian ZHANG, Xiaowei HE, Sheng LIU, Junzhong SHEN, 2026. Efficient mapping and flexible interconnects: accelerating 3D CNN-based lung nodule segmentation and classification on multi-FPGA. ENGINEERING Information Technology & Electronic Engineering, 27(6):250186. https://doi.org/10.1631/ENG.ITEE.2025.0186 |
本文精要导读：
