Implementación en FPGA usando OpenCL de un filtro espacio-espectral de mapas de clasificación hisperespectrales para detección de tumores cerebrales

Según la Sociedad Española de Oncología Médica (SEOM), el cáncer cerebral representa en España un 2% de los casos totales de cáncer en adultos y un 15% en menores de 15 años. Existen diferentes métodos de diagnóstico como las resonancias magnéticas, las tomografías y las biopsias; éstas últimas necesarias para la confirmación del diagnóstico definitivo mediante un análisis microscópico de la muestra tumoral extraída. Una vez diagnosticado el cáncer cerebral, el paciente debe someterse a un tratamiento específico que en la mayoría de los casos tiene como primera etapa la cirugía. Dentro del quirófano, los cirujanos deben extirpar el tejido cerebral dañado en base a pruebas realizadas con días o incluso semanas de antigüedad y, en última instancia, guiándose por su propia experiencia e intuición. En este tipo de intervenciones, la precisión a la hora de delimitar la zona o zonas del cerebro afectadas juega un papel determinante en la calidad de vida del paciente a posteriori. Debido a ello, el proyecto europeo HELICoiD (HypErspectraL Imaging Cancer Detection) ha desarrollado una aplicación capaz de diferenciar el tejido sano del tejido tumoral en tiempo real y con un alto grado de exactitud. Para lograrlo, se hace uso de una cámara denominada cámara hiperespectral capaz de capturar imágenes en un elevado número de bandas del espectro electromagnético. A través del procesado de estas imágenes hiperespectrales se puede saber con exactitud los materiales que componen el objeto analizado. El presente proyecto se enmarca dentro de esta línea de trabajo. En concreto se ha diseñado la última etapa de una cadena de procesado de imágenes hiperespectrales. Esta etapa consiste en la implementación de un filtrado espacio-espectral de mapas de clasificación hiperespectrales. Por su parte, dicho filtrado está basado en un algoritmo ampliamente utilizado denominado KNN (de sus siglas en inglés, K Nearest Neighbours). También existe la limitación de procesado en tiempo real, por lo que la aplicación ha sido desarrollada para ejecutarse en una plataforma aceleradora que cuenta con un microprocesador y una FPGA empotrados en el mismo sistema en chip. Además, se ha generado un amplio banco de pruebas con el fin de comparar las diferentes implementaciones realizadas y escoger la más óptima. Para el diseño del sistema se ha utilizado una herramienta de síntesis de alto nivel basada en el estándar OpenCL, utilizado para la programación paralela de sistemas heterogéneos. Abstract: Spanish Society of Medical Oncology (SEOM) has stated that brain cancer represents a 2% of all cancer cases in adults and 15% in children. There are several diagnose methods, like magnetic resonance, tomography or biopsy, with the last one requiring in order to confirm diagnosis that a microscopic examination of tumor samples is done. When brain cancer is confirmed, patients have to go through different treatments. One of these is, many times as a first step, surgery. Surgeons must remove the damaged brain tissue inside the operating room, guided only by previous medical examinations or, simply, their intuition. When damaged areas of brain are identified, precision in tumor resection is very important for improving patients’ quality of life after surgery. HELICoiD (HypErspectraL Imaging Cancer Detection) is a European project that has developed a real-time application for the differentiation of cancerous from healthy tissue with a high degree of accuracy. This application uses hyperspectral cameras, which are able to capture information throughout a wide portion of the electromagnetic spectrum, covering from the infrared to the ultraviolet. It is through the processing of these images that it is possible to identify the different materials within the given captured scene. This project is framed within this work line. Specifically, the last step of a hyperspectral image processing chain has been designed, which consists on a hyperspectral imaging spatial-spectral classifier based on the KNN (K Nearest Neighbours) algorithm. Furthermore, there is a real-time processing requirement, so the application has been specifically developed for a heterogeneous System on Chip platform composed of a microprocessor and an FPGA. Finally, a large test bench has been created in order to compare the different implementations and choose the optimal one. The design of the system has been accomplished with a high level synthesis tool based on the OpenCL standard for parallel programing of heterogeneous systems