《相控阵超声内镜发射系统设计原理》由会员分享，可在线阅读，更多相关《相控阵超声内镜发射系统设计原理（7页珍藏版）》请在金锄头文库上搜索。
1、相控阵超声内镜发射系统设计原理医用超声内镜成像检查技术将内镜和超声相结合，在利用内镜直接观察消化道病变的同 时，可利用超声进行实时扫描诊断，且检查过程对人体无损，是消化道疾病检测最有效的方 法之一。针对上述问题，本文设计了一种64 阵元医用相控阵超声内镜成像系统方案，该系 统主要由信号发射选通模块、回波接收传输模块以及数据并行处理模块等三个子系统组成。 其中，本文主要完成了基于FPGA的信号发射选通模块及基于GPU的数据并行处理模块的 研发，并通过相关实验，验证了所研发模块在相控阵超声内镜成像系统中的可行性与高效 性。在相控阵超声内镜成像系统中，通过增加换能器的阵元数量可以显著改善系 统成像质
2、量、提升系统性能。但阵元数量增加后，待处理数据量也随之增加，为 了保证所设计的64阵元相控阵超声内镜成像系统的实时性，本文利用CUDA并 行编程与计算平台在GPU上实现了合成孔径成像算法，保证了系统的高效运行。 从相控阵超声内镜成像原理出发，依次介绍了超声波在人体内的传播特性、超声 内镜成像原理以及相控阵超声成像技术。然后针对目前相控阵超声内镜系统所存 在的问题，提出了一种64阵元相控阵超声内镜实时成像系统方案。并在此基础 上，对系统功能模块进行了划分与简要介绍。GPU 与 CUDA 简介图形处理器(Graphics Processing Unit， GPU)，又称为显示核心，是在电 子设备上
3、进行图像运算工作的核心微处理器。GPU采用多线程的计算模式，具 有强大的并行计算能力。近年来，GPU并行处理技术飞速发展，在通用计算领 域得到了大量应用。在时下热门的人工智能领域，GPU也是大放异彩，引起了 全球计算机领域研究者们的广泛关注。目前，GPU主要由NVIDIA、AMD、英 特尔等几大厂商进行生产。一般情况下，计算机主要通过中央处理器(Central Processing Unit，CPU) 进行数据处理，利用GPU进行计算机图形渲染。但是随着通用计算技术的不断 发展和大数据时代的来临，计算机需要处理的数据量也在不断地增加，因此，对 数据的处理速度也有了更高的要求。虽然近年来CPU经
4、过不断地发展，数据处 理速度(时钟频率)已经有了巨大的提升，且单核CPU的时钟频率也已突破了 5GHz，但在面对海量的待处理数据时，CPU的计算处理能力仍然略显不足，难 以满足系统的实时性要求。而与CPU相比，GPU的优势则在于其高数据吞吐量 和强大的并行处理能力，从图 4-1所示的二者的计算能力比较图上就可见一斑。 因此，越来越多的研究人员把目光转向GPU,在某些通用计算领域，例如医学 图像、流体力学、环境科学中，采用GPU进行数据处理，可以获得相对于同期 CPU 百十倍的性能提升。图1 CPU与GPU计算能力比较！CUDA ( Compute Unified Device Architec
5、ture )是 NVIDIA 公司推出的一种 并行编程与计算平台。利用该平台，研究人员可以快速解决通信、医疗、金融、 互联网等众多领域中的复杂计算问题。如图2所示，CUDA驱动、CUDA运行期环境及CUDA开发库自下而上组 成了 CUDA的体系结构。其中，CUDA驱动作为开发平台与GPU硬件之间的粘 合剂，为并行编程平台提供了直接访问GPU硬件的接口；运行期环境则为开发 人员提供了多种应用程序接口(Application Programming Interface，API)和运行 组件，编程人员通过使用这些API就能实现预期的并行计算；CUDA开发库以 数学运算库为主，可以帮助开发人员解决离散
6、基本线性计算(CUBLAS)、离散 快速傅立叶变换(CUFFT )等典型的大规模并行计算问题。图 2 CUDA 体系架构合成孔径成像算法算法原理概述在医学超声内镜成像领域，延时和叠加算法(Delay and Sum，DAS)是应 用最为广泛的超声成像算法。该算法计算复杂度低，能够快速实现超声成像，但 其成像结果却存在分辨率低、 SNR 低的缺点。因此，为了改进上述算法不足、提高成像质量，J0rgen Arendt Jensen1等人 将雷达领域的合成孔径技术应用到超声成像领域，提出了一种合成孔径超声成像 算法( Synthetic Aperture， SA)。在SA算法中，超声换能器每次通过单
7、阵元发射超声波。由于医用超声换能 器尺寸较小，因此单阵元发射的超声波可视为球面波2。该球面波形成的球形声 场覆盖了整个成像区域，此举扩大了发射声场的空间范围，改善了传统超声成像 算法发射声场空间范围较窄的缺点。该算法的具体成像过程如图 3 所示。首先，超声换能器由单阵元发射超声波， 待测物体反射的超声回波被换能器的全部阵元所接收；接下来将所得到的回波信 息进行延时叠加处理，即可得到一幅低分辨率图像；使用所有阵元依次发射超声 波，重复上述过程，即可得到等同于发射阵元数目的多幅低分辨率图像；最后， 将所有低分辨率图像进行加权叠加，即可得到一幅用于最终显示的高分辨率图 像。图 3 SA 算法成像基本
8、原理图像重构过程在 SA 算法中，最终重构得到的图像为高分辨率图像。因此，图像重构的过 程可看作低分辨率图像和高分辨率图像求解的过程。下面通过数学推导的方式， 详细介绍如何获得低分辨率图像和高分辨率图像。在图像重构的过程中，首先需要计算超声波的渡越时间3。由图 4-4中的几何关系可以发现，对于任一发射阵元T ,其发射的超声波到达空间中任一成像点 M后，反射回波再被接收阵元R所接收，整个过程的渡越时间可表示为：IM - T I +1R - M It (M ) = p P p * f(1)TR pCs其中，C表示介质中的声速，f为系统的采样频率，T代表发射阵元，R代s表接收阵元。发射阵元T和接收阵
9、元R的空间位置分别由T和R表示，M则P pp代表成像点 M 的空间位置。多路限幅电路的主要作用是消除高压激励脉冲对后 端接收传输系统的影响。在接收超声回波信号的过程中，多路限幅电路通过并联 限幅的方式将电压钳制在土0.7V的范围内，抑制高压激励脉冲的影响；对于较 小的回波信号，则能够使其几乎无衰减地通过，不影响后续的信号接收处理与传 输在发射阵元T选定不变的前提下，所有阵元均接收超声回波。按照上述方法， 计算所有成像点的发射接收过程的渡越时间，根据渡越时间，对回波数据进行延 时叠加处理，可以实现接收聚焦，进而得到一幅低分辨率图像。该低分辨率图像的求解过程可表示为：LRI o *X (t (M
10、)(2)TRR TRp(2)R =1将上述求解过程遍历所有发射阵元，可以得到多幅低分辨率图像。在触发脉 冲到来前，电路中的 MOSFET 处于截止状态，电路中的高压对电容进行充电； 在FPGA发出3.3V触发方波脉冲后，MOS管驱动电路将该脉冲放大，以驱动脉 冲激发电路中的MOS管导通；此时，电路形成闭合回路，电容通过快速放电产 生高压激励脉冲，进而作用于换能器阵元产生超声波。本文采取数字延时的方式 4，依托数字延时芯片，实现对发射信号的精细延时控制。延时芯片选用的是达 拉斯半导体公司(Dallas Semiconductor)的8位可编程延时芯片DS1023-50，该 芯片尺寸小、集成度高，
11、采用16引脚的小外形集成电路(Small Outline Integrated Circuit Package，SOIC)的封装形式；同时具有并行/串行两种可编程模式，经过 延时后的输出信号和输入信号的逻辑状态保持一致；延时步长可达0.5ns级别， 具有0-127.5ns的可编程延时范围。本文选取串行可编程模式进行芯片的延时配置，每个延时芯片实现1路发射 信号的延时控制，该电路的配置原理图如下图3 - 5所示。图中， LE(latch enable) 为锁存使能信号，当LE为高电平时，延时数据在时钟上升沿从最高有效位(Most Significant Bit，MSB )到最低有效位(Least
12、 Significant Bit，LSB )依次被写入寄 存器；当LE置低时，数据传输结束，新的延时值被激活。通过改变输入的串行 数据，可以实现对发射延时的精确控制。 CA02P-5 是 Powerbox 公司生产的直流 高压电源模块，该模块输入信号为0-5V的模拟量，具有0-200V的可编程电压 输出范围，与上述要求完全契合；在工作状态下，该模块功耗仅为1W,且输出 高压稳定，纹波极低；同时，该电源模块抗电磁干扰能力强，还具有过载和短路 保护等功能。在相控阵超声内镜发射系统中，存在多种协同工作的电路模块，且 各个模块的供电需求各不相同。为了保证系统的长时间稳定运行，供电电路必须 能够输出各模
13、块所需的额定电压、电流，且具有较大的功率负载，以满足系统的 工作需求。其中，电路中的高压产生及调节功能是由FPGA、AD7801及CA02P-5三者 联合实现的，电路的高压值可由FPGA进行调节。把得到的所有低分辨率图像进 行叠加合成，即可得到一幅所有成像点发射和接收都聚焦的高分辨率图像。高压 激励脉冲经阵元选通电路作用于超声换能器，使之产生超声波；因此，在利用换 能器接收超声回波的过程中，如果将后端的接收传输系统直接与换能器相连，就 会使系统在接收超声回波的同时，也会接收到高压激励脉冲，从而导致后端电路 损坏。因此，为了抑制高压激励脉冲对后端接收传输系统的影响。该过程的数学 表述为：HRI
14、= o * LRI“、T T (3)T=1在公式(2)、(3)中，r代表接收阵元的数目，t代表发射阵元的数目，o为接R 收阵元R的权值函数，O为发射阵元T的权值函数，回波信号则由X (t)表示。TR图 4 SA 算法图像重构的几何表示合成孔径成像算法的并行实现并行化处理分析与 DAS 等传统的超声内镜成像算法相比， SA 算法成像质量好，图像分辨率 高，但同时其运算过程也更为复杂，且需要对大量回波数据进行处理。如果采用 传统的串行计算模式进行运算，那么该算法的实现过程将会非常耗时，系统的实 时性无法保证。相控阵超声内镜发射系统由发射电路、选通电路及限幅电路三部 分组成，其主要作用是通过脉冲激励
15、、阵元选通，完成超声波信号的相控发射， 实现对被测物体的合成孔径扫描。该系统以FPGA为控制核心，其中，发射电路的主要作用是产生带有延时的 高压激励脉冲；选通电路采用4块MAX4968芯片，通过电路复用的方式，实现 激励脉冲的 16路转64路阵元选通，以激励超声换能器阵元产生超声波；限幅电 路通过并联限幅的方式将电压钳制在土0.7V的范围内，消除了高压激励脉冲对 后端接收系统的影响，保证回波信号能够几乎无衰减的进行接收与传输因此，为 了能够快速实现 SA 算法，本文基于 CUDA 并行计算平台对 SA 算法作如下并行 化处理分析：具体实现流程本文采用“CPU+GPU”的联合编程模式。其软件架构
16、为“MATLAB+CUDA” 的混合编程架构。其中，CPU端主要使用MATLAB进行回波数据的读取及最终 结果的显示；GPU端使用CUDA编程计算平台完成SA算法的并行化处理。具体的实现流程如图4-5所示。首先，在CUDA中使用cudaMalloc()函数为 待处理的回波数据分配全局内存；然后，通过调用cudaMemcpy()函数完成回波 数据的传输，需要注意的是，在使用该函数时，要将最后一个参数设置为“cudaMemcpyHostToDevice”，以确保数据的传输方向是从CPU至GPU；通过 使用两个核(kernel)函数，分别完成低分辨图像的求解和高分辨率图像的合成，其中，使用 _shared_关键字为权值函数开辟共享内存；接下来，再次使用 cudaMemcpy()函数，使处理后的结果自GPU传输至CPU，此时该函数的最后一 个
