|
高性能的GPU平台以实现智能的诊断算法和基于大数据的图像处理 声泰特率先在Nvidia(英伟达) GPU CUDA高性能计算平台上，设计并实现超声成像和人工智能算法应用已有十余年经验。目前的第三代产品已将机器学习模型和深度学习网络，嵌入于我们独特的基于GPU/CUDA软件驱动的超声系统架构，可高效地同时满足实时高端图像处理和复杂的基于人工智能的算法应用。 传统的依付于硬件的超声系统，在超声信号、图像处理及临床功能应用上存在严重的设计限制，常以牺牲灵活的数据流和参数设置为代价以满足超声的实时数据处理要求。这就导致为提高图像质量的智能和自适应算法的使用受到了极大限制，例如，无法依输入数据而自动调整最佳参数设置等，同时也错过未来基于人工智能的辅助诊断工具的开发和使用。 多尺度超声图像增强(MIE) 声泰特的多尺度金字塔算法结合强大的并行处理引擎，能够实现结构增强的高清晰度超声图像。MIE技术不仅大大提高了组织结构的清晰度，同时使超声斑点变得更细致以提升图像对比分辨率。该算法通过对多个子图像进行并行处理，并根据组织的局部特征采用智能多尺度缩放算法来实现图像的高清晰度。 现有的传统边缘增强和斑点抑制技术面临不同的挑战。例如，为了锐化组织结构和边缘，就不得不接受粗糙的斑点颗粒度而降低对比分辨率。当执行斑点噪声平滑时，就不得不放弃组织结构和边缘锐化而影响了图像细节分辨率。 声泰特克服了上述困难，使用智能图像处理，同时实现了清晰的边缘结构以及细致的斑点像素。利用各向异性方向滤波对边缘进行连接和锐化，而使用不同尺度下的非线性各向同性平滑技术得到细致的超声斑点。此外，我们的MIE 技术还可以在基于像素时间维度的不变性检测上，降低来自连续帧图像处理的闪烁伪影。
谐波和基波融合成像(FHI和VFHI) 声泰特的谐波和基波融合成像专利技术是一种智能融合方法，它将基波成像和组织谐波成像结合起来，使得融合后的图像(FHI)，既有如组织谐波成像更清晰更好的分辨率，且保有基波成像的深穿透力。 一般来说，基波图像由于其传输频率较低可达到深穿透性，但分辨率也较差。组织谐波成像由于借助组织非线性特征，回波的谐波成分可以提高对比和细节分辨率，此特点对困难病人的成像品质尤其重要。然而，两倍于发射频率的回波信号也会使组织谐波成像的穿透性变差。 声泰特通过灵活的硬件时序控制和强大的GPU/CUDA 软件平台，使用基于组织谐波信噪比的智能融合算法，即在高的谐波信噪比时给予谐波更多的权重；反之，则偏重更多的基波信号以获得更好的图像穿透性。更进一步地，声泰特FHI专利技术可扩展到多种可选基波频率 (即VFHI技术)，例如，用7MHz的基波与5MHz的发射频率以获得10MHz的谐波相融合，从而使高分辨率的谐波可结合不局限于仅有谐波频率一半的更高频的基波，以达到更好的深层图像品质。 弹性成像 –徒手应变成像(FSI) 组织弹性特征提供了肿瘤和病变滋生的重要临床信息。使用机械应力，即探头在身体表面的垂直挤压或内部器官的自发运动，可以计算其引起的组织在空间的位移梯度应变值。假设感兴趣区域内的应力值相同，所计算的应变值可以反映独立于扫描深度的组织变形特征，如组织的软硬度信息。 应变值的准确性受限于需要高精度且与相位信息相关的位移梯度计算，因此，能够处理高回波采样率带来的海量数据和足以实现来自组织横向运动影响下的位移纠错算法的软硬件平台，是获得高质量徒手应变弹性成像的核心技术要求。 声泰特使用独有的基于软件驱动的 GPU/CUDA平台，可以实时处理大量地具有相位信息的回波数据以获得精确的应变值，从而使仅依赖心脏或呼吸牵引运动而计算出整个器官(而非其他厂商只能提供局部区域)的应变成像成为可能。与传统的一维应变算法相比，声泰特的专利技术采用了一个覆盖多条相邻扫描线的二维处理窗口来计算回波位移，减少了组织运动的水平分量所带来的应变值误差。
乳腺囊肿（左图：良性；右图：恶性） 弹性成像 –声辐射力弹性成像(ARFI) 在徒手应变成像中，很难保持重复检查的结果一致，所以必须对临床医生的扫描手法进行专业的培训，包括徒手施力和如何获得好的图像切面。为了克服这些依赖于操作者手法的问题，声泰特采用声辐射力脉冲(ARFI)方法产生机械应力，这种不需要操作者施力而驱动组织运动，可保持回波数据的一致性。 在ARFI系统中，运用被称为推动声束的低电压和长脉冲发射组合来驱动人体组织运动，再切换被称为跟踪声束的高电压和短脉冲发射来检测组织运动，从而构建ARFI应变成像的超声波束序列。在安全范围内，推动声束必须有足够多的能量，而组织位移计算又需要高分辨率的跟踪声束及灵活的高帧频处理算法。因此，要获得高质量的ARFI弹性成像，对于传统以硬件为主的超声系统来说是一个巨大的挑战。 在声泰特关于ARFI弹性成像的专利技术中，通过匹配时间-位移曲线可智能地决定推动声束的脉冲长度和发射电压，使得在安全范围内提供最大声能推动组织以获得可靠的弹性数值。整个计算流程是在强大的GPU/CUDA软件并行处理平台上运行，以获得高帧率、高质量的ARFI应变成像。
跟腱早期受伤水肿ARFI图像（右侧白斑图像） 弹性成像–定量剪切波弹性成像(SWE) 剪切波定量弹性成像使用ARFI推动人体组织以产生剪切波，并将计算得到的剪切波波速转换为与组织硬度相关的杨氏模量。此逐点计算的剪切波波速方法可扩展到通过在大面积感兴趣区域内多个位置的ARFI声束驱动及剪切波波速检测，而获得定量剪切波二维弹性成像。 定量剪切波弹性成像的质量取决于剪切波波速检测的准确性，这与系统能否在短时间内处理在多个位置进行一系列声束驱动-检测所带来的大量数据的能力息息相关。此外，如何减少组织内声学阻抗变化而产生的剪切波反射，所引起的测量误差是获得高质量剪切波定量弹性成像的另一个挑战。 声泰特的定量剪切波弹性成像专利技术是基于强大的GPU/CUDA并行处理平台，可同时执行高帧率二维ARFI 应变成像及选定位置的逐点剪切波波速测量。将具有剪切波波速值和ARFI应变值的像素定为基点像素，利用声场中应变值和剪切波波速的关系，将定量地基点像素推广至整个ARFI应变图像，从而转换为定量剪切波二维弹性图像。因此，声泰特的剪切波定量弹性技术是借助于高帧率、高质量的ARFI应变成像加上在均质区域内所选择的基点像素，以减少大量的逐点计算剪切波波速处理并避开剪切波反射区域所引起的测量误差。 声学非线性参数成像(ANLI) 声泰特非线性参数成像(ANLI)专利技术计算与组织特征相关的声学非线性参数（B/A），此参数可以灵敏地区分特定的组织，例如，含有脂肪颗粒的脂肪肝其B/A测量值比正常肝组织增加了50%，而在坏死组织中，可以观察到35% 的差异。 在检测肝组织硬度方面，即使市场上的竞品受限于帧率和穿透性，但弹性成像依然是首选。然而，对于有脂肪颗粒的组织，如脂肪肝，由于脂肪颗粒结构的特异性，依赖杨氏模量的弹性成像并不能提供可靠的结果。另外，用回波信息得到的声衰减值也可用于脂肪肝检测，但是，正如文献中所分析的，当肝脏中有一定量的脂肪浸润后，声衰减系数并不与脂肪肝恶化等级成线性变化，从而导致脂肪肝病变分级的不可靠性。 声泰特在脂肪肝检测方面，使用不同的发射频率和电压的组合中获得非线性参数B/A值，以减少声场对局部回波幅度不均匀的影响。此外，我们的声学非线性成像可以与现有的检测组织硬度的声泰特弹性成像功能整合，以更好地诊断涵盖脂肪颗粒与组织硬度混合的肝脏和乳腺病变。
肝脏（左侧：正常；右侧：轻微脂肪肝） 多门限脉冲波频谱多普勒血流分析 声泰特的多门限脉冲波频谱多普勒血流分析专利技术提高了血流测量的准确性，并提供更直观的三维血流速度波形可视化。相比传统的单门限多普勒频谱方法，多门限频谱血流分析可计算并显示，例如沿颈动脉横截面的血流速度空间分布信息。 现有的单门限频谱多普勒技术，由于假设血管壁是坚硬的且以此推导血管内血流速度，从而计算血流流量存在极大的误差。这个缺陷受限于没有足够强大的计算平台，来处理可覆盖整个血管横截面的多门限频谱计算及速度测量。 声泰特借助于其强大的GPU/CUDA并行处理平台，可以计算沿颈动脉横切面直径方向的多门限频谱并生成三维频谱体数据，以获得准确的血流流量和经由图形学体绘制所显示的三维频谱多普勒血流速度波形。同时，在一个心脏周期内，横向流速剖面的形状可以量化且与血管壁的弹性程度具有相关性。 基于多门限频谱多普勒的脉搏波速度测量以分析颈动脉弹性特征 颈动脉柔软性与脉搏波(PWV)速度值成反比，脉搏波速度值可以通过脉冲波频谱多普勒技术求得的血流流量和颈动脉横截面织来估计。 现有的脉搏波速度测量是建立在单门限频谱多普勒技术，由于假设血管壁是坚硬的且以此推导血管内血流速度，从而计算血流流量存在极大的误差。这是因传统单门限频谱处理受限于计算量的一个折衷办法，但代价是脉搏波速度测量的不准确性。 声泰特的多门限频谱多普勒技术基于强大的GPU/CUDA并行处理平台，可以处理覆盖整个血管横截面的多频谱数据，这是准确测量血管中血流流量所必需的。由此，可精确地计算出与血管壁软硬度相关的脉搏波速度。我们的技术可用于常规心血管超声检查，是颈动脉硬度分析的首选方法。
颈动脉三维超声频谱图像&PWV GPU平台的三维/四维成像 — 将超声系统带入增强现实的时代 声泰特公司研发出基于GPU平台的超声实时3D/4D成像系统，该方法使用GPU并行处理架构，可以快速的进行三维数据重建，并实时绘制三维数据。不仅如此，成像的结果，也可以人为选定修改成像区域，去除皮肤、肌肉等对成像结果造成干扰的组织结构，以得到最佳三维立体绘制效果。这项发明专利技术，通过GPU和CPU的配合，保持计算精度的同时显著提升了三维图形渲染的速度，给用户带来流畅的操作体验。声泰特研发团队拥有灵活的超声数据流设计、优化的算法，加上强大的GPU处理能力，将超声信息可视化带入全新的增强现实(AR)的领域。 自适应声速优化和信号修正技术 — 让超声系统学会自动“聚焦” 该技术能够准确的估算当前系统最佳的声速，从而提高超声成像聚焦质量。该技术通过对信号进行相位分析，确定当前系统所需要的最佳声速大小。不仅如此，通过对超声图像不同位置的分割，并进行声速优化校正。这意味着，每一个位置都将获得局部最优声速，而不局限于全局平均声速，有助于提升局部图像分辨率。声泰特公司提出的这一声速优化专利算法，可以根据具体的应用场景，具体的病患特征，进行声速的自适应调整，并且对回波信号进行自适应相位修正，从而获得最优的超声成像效果。 |
