超声内镜的历史简介

1980年美国首次报道应用超声与普通内镜相结合的检查方法在动物实验中取得成功，开创了超声内镜技术在临床的应用，此后超声内镜器械不断发展和完善。经过20多年的临床实践，超声内镜的技术越来越成熟，其应用范围也不断扩大。超声内镜的出现使内镜技术实现了飞跃性的发展。超声内镜可对消化道管壁粘膜下生长的病变性质进行鉴别诊断，并可对消化道肿瘤进行术前分期，判断其侵袭深度和范围，鉴别溃疡的良恶性，并可诊断胰胆系统肿瘤，特别是对于较小肿瘤精确度高，对慢性胰腺炎等诊断亦优于其他影像学检查。另外，在超声内镜介导下，应用细针穿刺抽吸活检术也明显提高了病变的确诊率。目前，超声内镜下的介入性诊断和治疗是已经国内外内镜技术的热点之一 。

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，其发射的超声波到达空间中任一成像点后，反射回波再被接收阵元所接收，整个过程的渡越时间可表示为：
(1)
其中，表示介质中的声速，为系统的采样频率，代表发射阵元，代表接收阵元。发射阵元和接收阵元的空间位置分别由和表示，则代表成像点的空间位置。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±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：
(2)
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，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 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：
(3)
在公式(2)、(3)中，代表接收阵元的数目，代表发射阵元的数目，为接收阵元的权值函数，为发射阵元的权值函数，回波信号则由表示。

图4 SA算法图像重构的几何表示