论文部分内容阅读
超声弹性成像技术是利用超声波以软组织的杨氏模量、剪切模量、应力与应变等软组织弹性参量为成像对象的技术。与传统的超声成像模式相比,超声弹性成像能够直接反应组织的机械特性而更加直观。因而,超声弹性成像被广泛应用于脂肪肝、肝硬化、乳腺肿瘤的检测并取得了更好诊断率。超声弹性成像分为准静态弹性成像和声辐射力弹性成像这两种方式。准静态弹性成像通常需要使用外力源带动换能器对组织进行压缩,并无法提供量性诊断信息。声辐射力弹性成像是利用超声换能器发射高聚焦的超声波束在被测物体某一深度产生声辐射力从而导致组织产生位移,并利用位移计算相关测量量进行成像的一种方式。声辐射力弹性成像在较深组织处也获得更好的效果并且能够提供量性诊断信息。然而,声辐射力弹性成像具有成像时间长,数据处理量大等缺点。成像时间过长一方面会使得病人的焦虑度增加进而影响声辐射力弹性成像的结果。另一方面,过长的成像时间还会大大增加超声换能器由于温度升高而烧坏的风险。这大大增加了超声设备不稳定运行的风险。为此本文提出了一种基于GPU(Graphic Process Unit)的声辐射力弹性成像的方法。具体研究内容如下。①介绍了本文的研究背景及意义,具体阐述了国内外超声实时成像的发展现状,并挑选超声实时弹性成像中的一个模块位移估计说明了超声实时弹性成像的问题。最后本文总结了超声实时弹性成像遇到的问题和挑战,引出了本文将采用的实时成像方法。②简要介绍了声辐射力弹性成像相关的背景知识,综合近年来前人对声辐射力弹性成像位移估计,插值计算,剪切波速度估计模块实现方法进行分析。得出声辐射力弹性成像算法的优势并详细介绍该算法的各个模块。③简要介绍相关GPU和CUDA方面的基础知识并对上述算法各个模块的并行性进行分析。针对传统时域互相关算法数据重用率低、计算复杂度高等缺点,提出了一种窗口迭代型互相关并行算法并用GPU对其进行了实现。最后给出了声辐射力弹性成像算法各个模块的具体实现。④对声辐射力弹性成像的各个模块分别使用CPU的方式和GPU的方式进行计时。比较使用GPU方式进行声辐射力弹性成像的加速效果。然后,对GPU方式得到的弹性图和CPU方式得到的弹性图的图像质量进行比较,得出基于GPU方式的声辐射力弹性成像不会影响到声辐射力弹性成像的准确性。