FAST-Imaging/FAST

解決的問題

FAST 是為簡化醫療影像的高效率處理、神經網路推論與即時可視化而設計。它消除了在不同處理器（CPU 和 GPU）之間手動管理記憶體的複雜性，並提供統一介面，以在即時醫療影像流程中部署深度學習模型。

工作原理

此框架使用現代 C++、OpenCL 與 OpenGL，以發揮多核心 CPU 與 GPU 的效能。它提供統一的神經網路推論介面，支援 TensorRT、OpenVINO、TensorFlow 與 ONNX Runtime 等後端，並支援 ONNX 與 protobuf 等多種模型格式。自動管理跨儲存區域的資料一致性，讓開發者專注於演算法邏輯，而非明確的記憶體處理。

適用對象

從事醫療影像研究與開發的工程師與研究人員，特別是需要使用深度學習與高效能運算，即時處理 2D/3D 圖像、表面網格與時間序列資料者。

主要特色

• 統一推論介面：支援多種後端（TensorRT、OpenVINO、TensorFlow、ONNX Runtime）與格式（ONNX、protobuf、SavedModel）。
• 資料串流處理：支援來自網路鏡頭、Intel RealSense 與超音波掃描儀等來源的靜態與動態資料。
• 高效能演算法：內建高斯平滑、非局部平均與等值面提取（marching cubes）的平行 OpenCL 實作。
• 快速可視化：渲染與運算使用獨立執行緒，確保 2D 與 3D 可視化流暢（體渲染、網格、WSI 圖層金字塔）。
• 廣泛格式支援：相容 DICOM、NIFTI、HDF5 與全切片影像（WSI）。
• 互操作性：支援 Python 使用，並可整合至 Qt 應用程式。