多普勒超聲是一種醫(yī)學(xué)超聲模式，用于觀察沿超聲探頭發(fā)出的軸或由此類探頭掃描的平面區(qū)域的運(yùn)動(dòng)。雖然多普勒超聲通常用于檢查血流，但它也可用于檢測(cè)組織微搏。這種組織脈動(dòng)起源于低速血液灌注，其周期性且與每次心跳同步。研究人員報(bào)告了亞微米水平的運(yùn)動(dòng)敏感性。了解這些腦組織脈動(dòng)可能有助于識(shí)別大腦中的出血或缺血（缺乏血流）。

測(cè)量組織位移

科學(xué)家經(jīng)常使用換能器來發(fā)射和檢測(cè)高頻聲波。將高壓發(fā)射脈沖施加到換能器內(nèi)部的壓電晶體上，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(huì)遇到不同組織結(jié)構(gòu)之間的界面。在這些結(jié)點(diǎn)處，超聲波脈沖中的一些能量被反射為回聲，而另一些則繼續(xù)傳播到組織更深處。每個(gè)波分量的相對(duì)大小是組織之間聲阻抗不匹配程度的函數(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超聲波來檢查大腦。這個(gè)頻率足夠低，可以穿透顱骨，但又足夠高，可以提供來自血流和組織的容易檢測(cè)到的回聲。2 MHz處的波長(zhǎng)（λ）約為0.8 mm，這比我們觀察到的組織運(yùn)動(dòng)大一個(gè)數(shù)量級(jí)以上。識(shí)別隨時(shí)間推移的相位變化允許在微米級(jí)用該波長(zhǎng)檢測(cè)組織運(yùn)動(dòng)。π的相變導(dǎo)致多普勒樣品體積的位移為λ/4，或約0.2 mm。可以輕松完成分辨率為 π/1，000 的角度測(cè)量，從而產(chǎn)生等于或低于微米的位移分辨率。

本應(yīng)用中使用的系統(tǒng)工作在2 MHz載波頻率和以6.25 kHz脈沖重復(fù)頻率發(fā)射的八周期發(fā)射突發(fā)。透射脈沖串尺寸導(dǎo)致軸向分辨率（樣品體積）約為3 mm。軸向分辨率不應(yīng)與上一段中討論的位移計(jì)算的角度分辨率混淆。當(dāng)超聲波脈沖在組織中傳播時(shí)，它跟蹤散射體的運(yùn)動(dòng)。重要的是，樣品體積尺寸不能與獨(dú)立移動(dòng)的組織元件的大小不匹配;否則，多個(gè)移動(dòng)組織單元可能導(dǎo)致凈位移為零。此外，由于散射體在一組超聲脈沖中的去相關(guān)，小樣品體積中的大組織偏移將產(chǎn)生不確定性。

每個(gè)脈沖重復(fù)周期的多普勒頻移信號(hào)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的速度將其數(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，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 值重新采樣到 64 個(gè) IQ 樣本中，這些樣本以 1.1 mm 的間隔對(duì) 20 至 90 mm 的深度范圍進(jìn)行分層。以這種方式，在每個(gè)柵極深度以6.250 kHz的頻率對(duì)復(fù)雜的多普勒頻移信號(hào)進(jìn)行采樣。

64 個(gè)門中每個(gè)門的局部大腦運(yùn)動(dòng)都是通過夾克在 MATLAB 中通過夾克使用具有夾克數(shù)據(jù)類型的 NVIDIA GTX 280 顯卡計(jì)算的。位移由使用公式1計(jì)算的IQ信號(hào)的未包裝瞬時(shí)相位推導(dǎo)出來。等式2捕獲了相位和位移之間的關(guān)系。

等式 1

等式 2

圖1所示的16個(gè)門以4.5 mm的間隔距離探頭20至90 mm。這些門是64個(gè)樣品門的子集，每個(gè)門都處理成位移波形。圖1中的所有位移波形共享一個(gè)公共x軸，該軸以秒為單位表示時(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：隨著時(shí)間的推移，可以使用2 MHz超聲束檢測(cè)大腦位移，并通過夾克在MATLAB中計(jì)算。

圖1的左上角顯示了Marc 600頭架，該頭架將換能器（a）牢固地放置在進(jìn)入大腦的時(shí)間聲學(xué)窗口上。換能器顯示在典型大腦的MRI圖像旁邊，并疊加了與超聲束路徑相鄰的主要前動(dòng)脈路徑的描繪。從威利斯環(huán)分支的動(dòng)脈包括右中動(dòng)脈（RMCA），右前腦動(dòng)脈（RACA），左前腦動(dòng)脈（LACA）和左中腦動(dòng)脈（LMCA）。右側(cè)顯示了距離探頭20至90 mm的多普勒門的位移波形（在y軸處以微米為單位）與時(shí)間（在x軸處以秒為單位）。

這些腦移位圖具有很強(qiáng)的心臟周期存在。這些曲線還顯示位移值低至20微米，用于在舒張末期和收縮期峰值后不久測(cè)量的總偏移量。（請(qǐng)注意，心臟在舒張期放松，在收縮期泵血。隨著每個(gè)心臟周期，大腦通常從收縮期開始沿一個(gè)方向移位，然后從收縮期結(jié)束時(shí)向相反方向移動(dòng)。在任何給定時(shí)間內(nèi)觀察所有深度，都會(huì)顯示具有不同大小的正位移和負(fù)位移值，表明心臟周期中組織運(yùn)動(dòng)的異質(zhì)性。

計(jì)算性能的基礎(chǔ)

本研究中使用的 GTX 280 GPU 具有 1 GB 的片上 RAM 和 240 個(gè)處理內(nèi)核，能夠處理 1，000 個(gè) GFLOPS。對(duì)于此應(yīng)用，我們將數(shù)據(jù)分成 64 個(gè)多普勒門乘以 2 秒數(shù)據(jù)矩陣，從而得到 64 x 12，800 個(gè)復(fù)雜數(shù)據(jù)值的輸入矩陣。在使用 MATLAB 的 CPU 和使用夾克進(jìn)行比較的 GPU 中計(jì)算位移（使用等式 1 和 2）。報(bào)告的計(jì)時(shí)測(cè)量結(jié)果在50項(xiàng)試驗(yàn)中取平均值。

平均而言，GPU 在 51.50 毫秒內(nèi)計(jì)算出位移，而 CPU 在 621.5 毫秒內(nèi)執(zhí)行計(jì)算。憑借其高度并行的架構(gòu)，GPU 的性能比 CPU 高出 12 倍。梳理GPU計(jì)時(shí)測(cè)量結(jié)果進(jìn)一步顯示，CPU和GPU之間的內(nèi)存?zhèn)鬏斝枰?1毫秒（總時(shí)間的80%），而實(shí)際計(jì)算只需要10.5毫秒（總時(shí)間的20%）。

在使用 Jacket 和 GPU 技術(shù)獲得積極成果后，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)。該特征對(duì)于實(shí)時(shí)處理組織微脈搏作為深度函數(shù)至關(guān)重要，這是我們研究的基本目標(biāo)。我們還希望使用Creack軟件將提高我們以有效方式設(shè)計(jì)和測(cè)試算法的能力，并有助于降低開發(fā)成本。

審核編輯：郭婷