3次元畳み込みニューラルネットワーク（3D CNN）は、肺結節検出分野において非常に高い応用価値と発展可能性を有しています。しかし、その計算複雑度が高く、メモリ消費も大きいため、単一のフィールドプログラマブルゲートアレイ（FPGA）上でのハードウェアアクセラレーションは厳しい課題に直面しています。そこで、本稿ではマルチFPGAプラットフォームに向けた効率的なマッピング戦略を提案し、システムレベルの大規模並列性を最大限に活用して計算効率を高めます。本システムは6枚のカスタマイズFPGAボードを統合し、業界をリードする性能指標を実現しています：肺結節セグメンテーションの演算能力は15.9 TOPS、分類タスクの演算能力は3.8 TOPSです。CPUベースと比較してシステムの加速度は128.2倍に達し、GPU実装と比較してエネルギー効率は6.7倍向上しています。同時に、実際の臨床標準データセットで本システムは87.1%の再現率を達成し、全体的な性能は国際的な先進レベルにあります。

肺結節検出;3次元畳み込みニューラルネットワーク;フィールドプログラマブルゲートアレイ (FPGA);マルチFPGAシステム;ハードウェアアクセラレーション;並列マッピング