近年来，随着计算机视觉和深度学习技术的飞速发展，基于深度学习的目标检测算法在医学影像分析中取得了显著进展。肺部 CT 影像 的快速检测是早期肺癌诊断的重要环节，尤其在高精度且快速的影像分析中，具有重要的实际意义。本研究基于 FPGA 硬件加速平台，提出了一种优化 的 YOLO（You Only Look Once）算法，用于肺部 CT 影像的实时检测。YOLO 算法因其端到端的检测能力和高效率，已成为目标检测领域的研究热点。将 YOLO 算法与 FPGA 结合，不仅提高了检测速度，还优化了资源利用，解决了传统算法处理速度慢和计算量大的问题。通过在 FPGA 平台上实现 YOLO 算法， 本文探索了该方法在肺部 CT 影像中的应用，并通过实验验证了其在图像处理中的优越性和有效性。实验结果表明，基于 FPGA 加速的 YOLO 算法在肺部 CT 影像检测中，能够实现快速且准确的目标识别，具备较高的临床应用潜力。 【关键词】FPGA；YOLO 算法；肺部 CT 影像；目标检测；硬件加速
