| 摘要:针对肺部疾病临床筛查对实时性与便携性的严峻挑战，设计并实现了一种基于知识蒸馏与FPGA加速的边云协同辅助诊断系统。算法层面，构建ResNet50教师网络指导轻量化4层CNN学生网络的知识蒸馏框架，在保证高维特征提取精度的同时大幅降低模型参数量与计算复杂度。硬件层面，基于PYNQ-Z2平台利用高层次综合技术，采用批归一化融合、任务级流水线及循环展开等并行优化策略，实现低延迟、高能效的边缘侧推理检测。系统应用层采用“离线检测-在线诊断”的分级策略，在保障边缘侧独立检测能力的基础上，利用云端大模型赋能深层语义诊断。即依托边云协同架构调用DeepSeek大语言模型API，依据边缘侧推理结果自动生成针对性辅助治疗建议，构建“影像检测-辅助诊断”闭环。实测表明，该系统对四类肺部病灶识别准确率达94.86%，单张影像推理耗时39ms，功耗仅1.5W，兼具高性能与低功耗特性，为资源受限场景下的快速辅助诊断提供了有效解决方案。项目源代码及硬件工程文件已开源至：https://github.com/zhang666max/Efficient-Lung-Diagnosis-via-FPGA-Cloud-and-Knowledge-Distillation. |
| 关键词: 肺部疾病检测 FPGA 知识蒸馏 卷积神经网络 硬件加速 |
|
|
|
|
| Abstract: |
| Key words: |
