多普勒超聲是一種醫(yī)學(xué)超聲模式，用于觀察沿從超聲探頭發(fā)出的軸或在由這種探頭掃描的平面區(qū)域中的運(yùn)動。雖然多普勒超聲通常用于檢查血流，但也可用于檢測組織微搏動。這種組織脈動源于低速血液灌注，它是周期性的，與每次心跳同步。研究人員報(bào)告了對亞微米級運(yùn)動的敏感性。了解這些腦組織脈動可能有助于識別大腦中的出血或缺血（缺乏血流）。

測量組織位移

科學(xué)家經(jīng)常使用換能器來發(fā)射和檢測高頻聲波。向換能器內(nèi)部的壓電晶體施加高壓發(fā)射脈沖，以產(chǎn)生短脈沖的超聲波能量。當(dāng)這種超聲波脈沖在組織中傳播時(shí)，它會遇到不同組織結(jié)構(gòu)之間的界面。在這些交界處，超聲波脈沖中的一些能量被反射為回波，而另一些則繼續(xù)向組織深處傳播。每個(gè)波分量的相對幅度是組織之間聲阻抗失配程度的函數(shù)。具有相似成分的組織區(qū)域具有低程度的不匹配，因此允許更多的超聲脈沖穿透更深。

在這項(xiàng)研究中，我們使用 2 MHz 超聲波檢查大腦。該頻率低到足以穿透顱骨，但又高到足以提供容易檢測到的來自血流和組織的回波。2 MHz 處的波長 （ λ ） 約為 0.8 mm，比我們觀察到的組織運(yùn)動大一個(gè)數(shù)量級以上。識別隨時(shí)間的相位變化允許使用該波長在微米級檢測組織運(yùn)動。π 的相位變化導(dǎo)致通過多普勒樣本體積λ /4 或約 0.2 mm 的位移。可以輕松完成分辨率為 π/1，000 的角度測量，從而獲得一微米或以下的位移分辨率。

本應(yīng)用中使用的系統(tǒng)以 2 MHz 的載波頻率和以 6.25 kHz 的脈沖重復(fù)頻率發(fā)射的八周期發(fā)射突發(fā)運(yùn)行。發(fā)射突發(fā)大小導(dǎo)致大約 3 mm 的軸向分辨率（樣本量）。軸向分辨率不應(yīng)與上一段中討論的位移計(jì)算的角分辨率相混淆。當(dāng)超聲脈沖在組織中傳播時(shí)，它會跟蹤散射體的運(yùn)動。重要的是樣本體積大小不能與獨(dú)立移動的組織元素的大小不匹配；否則，多個(gè)移動組織元素可能導(dǎo)致凈位移為零。此外，由于一組超聲脈沖上的散射體去相關(guān)，小樣本體積中的大組織偏移會產(chǎn)生不確定性。

每個(gè)脈沖重復(fù)周期的多普勒頻移信號是通過放大接收到的回波并使用 16 位 A/D 轉(zhuǎn)換器以 32 MSps 將其數(shù)字化，然后在現(xiàn)成的 DSP 卡（TigerSHARC 引擎）中解調(diào)和抽取來獲得的。 因此，每個(gè)脈沖周期從 5，120 個(gè)回波樣本開始，并轉(zhuǎn)換為 320 個(gè)解調(diào)的 IQ 值，它們以 0.4 mm 的間隔均勻分布（即載波的λ/2）。然后將這 320 個(gè) IQ 值重新采樣為 64 個(gè) IQ 樣本，這些樣本以 1.1 mm 的間隔將深度范圍從 20 到 90 mm 分層。以這種方式，在每個(gè)門深度以 6.250 kHz 采樣復(fù)數(shù)多普勒頻移信號。

64 個(gè)門中每個(gè)門的局部大腦運(yùn)動是在 MATLAB 中通過 Jacket 使用具有 Jacket 的 gsingle 數(shù)據(jù)類型的 NVIDIA GTX 280 顯卡計(jì)算的。位移源自使用公式 1 計(jì)算的 IQ 信號的展開瞬時(shí)相位。公式 2 捕獲了相位和位移之間的關(guān)系。

圖 1 中所示的 16 個(gè)門跨越距離探頭 20 到 90 mm 的范圍，間隔為 4.5 mm。這些門是 64 個(gè)樣本門的子集，每個(gè)都被處理成位移波形。圖 1 中的所有位移波形共享一個(gè)共同的 x 軸，它以秒為單位表示時(shí)間。y 軸以微米為單位顯示每條曲線的局部位移大小。

圖 1：可以使用 2 MHz 超聲波束檢測隨時(shí)間變化的大腦位移，并通過 Jacket 在 MATLAB 中進(jìn)行計(jì)算。

圖 1 的左上角顯示了 Marc 600 頭架，其中裝有傳感器 （a），傳感器 （a） 牢固地放置在大腦的時(shí)間聲學(xué)窗口上。換能器顯示在典型大腦的 MRI 圖像旁邊，其中重疊描繪了與超聲波束路徑相鄰的主要前動脈路徑。從威利斯環(huán)分支的動脈包括右大腦中動脈 （RMCA）、右大腦前動脈 （RACA）、左大腦前動脈 （LACA） 和左大腦中動脈 （LMCA）。右側(cè)顯示了距離探頭 20 至 90 mm 處的多普勒門的位移波形（y 軸以微米為單位）與時(shí)間（x 軸以秒為單位）的關(guān)系。

這些大腦位移圖具有很強(qiáng)的心臟周期存在。曲線還顯示，在舒張末期和收縮峰值后不久測量的總偏移量的位移值低至 20 微米。（請注意，心臟在舒張期放松，而在收縮期泵血。）在每個(gè)心臟周期中，大腦通常從收縮期開始向一個(gè)方向移動，并從收縮期末開始向相反方向移動。查看任何給定時(shí)間的所有深度顯示具有不同幅度的正位移值和負(fù)位移值，表明心臟周期中組織運(yùn)動的異質(zhì)性。

計(jì)算性能的基礎(chǔ)

憑借 1 GB 的片上 RAM 和 240 個(gè)處理內(nèi)核，本研究中使用的 GTX 280 GPU 能夠處理 1，000 GFLOPS。對于這個(gè)應(yīng)用程序，我們將數(shù)據(jù)劃分為 64 個(gè)多普勒門，乘以 2 秒的數(shù)據(jù)矩陣，從而得到一個(gè) 64 x 12，800 個(gè)復(fù)雜數(shù)據(jù)值的輸入矩陣。使用 MATLAB 在 CPU 和使用 Jacket 的 GPU 中計(jì)算位移（使用公式 1 和 2）進(jìn)行比較。報(bào)告的時(shí)間測量值是 50 次試驗(yàn)的平均值。

平均而言，GPU 計(jì)算位移的時(shí)間為 51.50 毫秒，而 CPU 計(jì)算的時(shí)間為 621.5 毫秒。憑借其高度并行的架構(gòu)，GPU 的性能比 CPU 高出 12 倍。梳理 GPU 時(shí)序測量進(jìn)一步顯示 CPU 和 GPU 之間的內(nèi)存?zhèn)鬏斝枰?41 毫秒（占總時(shí)間的 80%），而實(shí)際計(jì)算僅耗時(shí) 10.5 毫秒（占總時(shí)間的 20%）。

在使用 Jacket 和 GPU 技術(shù)取得積極成果后，我們預(yù)計(jì)該軟件將為遠(yuǎn)遠(yuǎn)超過最先進(jìn)的 DSP 性能的計(jì)算性能奠定基礎(chǔ)。此功能對于實(shí)時(shí)處理作為深度函數(shù)的組織微脈動至關(guān)重要，這是我們研究的基本目標(biāo)。我們還希望使用 Jacket 軟件能夠提高我們以高效方式設(shè)計(jì)和測試算法的能力，并有助于降低開發(fā)成本。

關(guān)于作者：

Asanka S. Dewaraja是 Spencer Technologies 的學(xué)生研究員。她的研究興趣包括以超聲波為重點(diǎn)的生物醫(yī)學(xué)信號處理。她擁有華盛頓大學(xué)生物工程學(xué)士學(xué)位和碩士學(xué)位，目前正在攻讀博士學(xué)位。

Travis M. Rothlisberger是 Spencer Technologies 的一名工程師。他的興趣包括多普勒超聲、嵌入式系統(tǒng)和可編程邏輯。他在華盛頓大學(xué)獲得計(jì)算機(jī)工程學(xué)士學(xué)位。

Robert S. Giansiracusa是 Spencer Technologies 的一名工程師。他的興趣包括信號處理和硬件設(shè)計(jì)。他獲得了加州大學(xué)伯克利分校的電氣工程學(xué)士學(xué)位和麻省理工學(xué)院的電氣工程碩士學(xué)位。

Steven M. Swedenburg是 Spencer Technologies 的一名工程師。他擁有 30 多年的電子硬件設(shè)計(jì)工程師經(jīng)驗(yàn)，曾為從車庫初創(chuàng)公司到財(cái)富 500 強(qiáng)的公司工作。他的專長包括在動態(tài)市場中快速設(shè)計(jì)和實(shí)施尖端電路和硬件。

Gene A. Saxon是 Spencer Technologies 的一名工程師。他的研究興趣包括多普勒超聲和圖形用戶界面。他在英國布里斯托大學(xué)獲得機(jī)械工程學(xué)士學(xué)位/碩士學(xué)位，在華盛頓大學(xué)獲得醫(yī)學(xué)工程碩士學(xué)位。

Mark A. Moehring是 Spencer Technologies 的產(chǎn)品開發(fā)副總裁。他的興趣包括隨機(jī)信號處理的生物醫(yī)學(xué)應(yīng)用，重點(diǎn)是使用超聲波進(jìn)行生理測量。他在哈維穆德學(xué)院獲得物理學(xué)學(xué)士學(xué)位，在華盛頓大學(xué)獲得電氣工程碩士學(xué)位和博士學(xué)位。他是 IEEE 醫(yī)學(xué)和生物學(xué)工程學(xué)會西雅圖分會的主席。

審核編輯：郭婷