高性能实时超声成像算法研究与实现

Advanced ultrasonic imaging algorithms can provide higher ultrasonic image quality, but in the practical applications of ultrasonic imaging algorithms, the computational capability of ultrasonic imaging equipments can not fulfill the real-time imaging requirements of advanced ultrasonic imaging algorithms, as a result advanced ultrasonic imaging algorithms can not be used in the common ultrasonic imaging equipments in real time. In order to solve the real-time imaging bottleneck problem of advanced ultrasonic imaging algorithms in ultrasonic imaging equipments, this project studies the deep spatial parallelization and in-depth algorithm transformation of advanced ultrasonic imaging algorithms using high-performance computing theory and technology, and studies the design of fast ultrasonic imaging algorithms without sacrificing ultrasonic image quality, as well as the optimization of the fast ultrasonic imaging algorithms within the acceptable image quality range and image quality growth saturation region. This project considers the design and implementation of high-performance ultrasonic imaging algorithms from a new point of view, puts forward new fast ultrasonic imaging algorithms, and conducts algorithm optimization and real-time verification on the high-performance computing devices, applying high-performance ultrasonic imaging algorithms in the real scene, which helps to improve the diagnostic rate of medical ultrasound and the success rate of the ultrasonic guidance treatment. This project has two major characteristics: to ensure high-quality ultrasonic images as the basic premise; to improve the speed of ultrasonic imaging, displaying high-quality ultrasonic images on high-performance computing platform in real time.

先进超声成像算法能提供更高的超声图像质量，但是在超声成像算法的现实应用中，超声成像设备的计算能力不能满足先进超声成像算法的实时成像需求，以致于先进超声成像算法无法在常见超声成像仪器中实时使用。为了解决先进超声成像算法在超声成像仪器中的实时成像瓶颈问题，本项目研究运用高性能计算理论和技术对先进超声成像算法进行深度空间并行化和深入算法改造，并研究设计不牺牲超声图像质量的快速超声成像算法，以及在可接受的图像质量范围和图像质量增长饱和区内优化快速超声成像算法。本项目从一个崭新的角度去思考高性能超声成像算法的设计和实现问题，提出新的快速超声成像算法，并在高性能计算设备上进行算法改造优化和实时验证，将高性能超声成像算法应用于现实场景中，帮助提高医学超声检测的确诊率和超声引导治疗的成功率。本项目研究有两大特色：以保证高质量超声图像为基本前提；提高超声成像速度，在高性能计算平台上实时呈现高质量超声图像。

先进超声成像算法能提供更高的超声图像质量，但是在超声成像算法的现实应用中，超声成像设备的计算能力不能满足先进超声成像算法的实时成像需求，以致于先进超声成像算法无法在常见超声成像仪器中实时使用。本项目从软硬件层面解决先进超声成像算法的实时成像瓶颈问题，在算法层面设计出不牺牲超声图像质量的快速超声成像算法，设计实时算法改造优化框架并在高性能计算设备上开展实验验证；结合深度神经网络，使超声成像的图像质量超越算法参数的既有限制，实现超声图像质量的提升，同时由于深度神经网络的推理时间短，可以有效实现快速超声成像。本项目在以下几个方面取得相关研究成果：多算子最小方差自适应波束形成算法及GPU共性加速框架、应用于扫描线和合成孔径成像的反向延迟叠加算法及软硬件加速、超声成像代码自动并行化算法及软件、基于深度神经网络的快速超声成像算法、结合精准超声图像解剖信息优化快速成像算法、超声图像生成和超声视频超分辨率重建算法、以及轻量级卷积核设计及深度神经网络加速。本项目研究的快速高清医学超声成像算法，能够实时形成高质量超声图像，可以应用于实时高清医学超声成像系统和手持便携式医学超声成像系统的构建。