从头开始功能性超声成像 (fUSI)

功能性超声成像（fUSI）是一种刚刚开始在人体研究中得到证实的脑成像方式。我相信很多人都会熟悉结构超声成像，它使用超声形成静态图像，如超声检查。相反，功能性超声波可以非常快速地捕捉脑组织的影像，追踪神经活动后血流引起的细微变化。功能性超声成像首先由 Macé 等人证明。 （2011）。超声波探头用于非常快速地对老鼠的大脑进行成像。计算方法隔离快速变化的像素，形成脉管系统图。虽然这与功能性 MRI 具有相同的对比来源，但它的线性分辨率有可能提高十倍（体素的 1000 倍）、更小（无磁铁！）、更便宜（无磁铁！）和更高的信噪比。该模式自然地与低强度聚焦超声（LIFU，或令人困惑的 fUS）相结合，将能量集中在大脑的目标区域进行调节，这是神经精神和神经系统疾病的一种新治疗选择。利用造影剂或基因疗法的扩展可以超越血流动力学反应，以超分辨率测量脉管系统，甚至直接测量神经活动。虽然超声波无法轻易穿透颅骨，但 fUSI 已在术中以及在颅骨重建手术后接受声学透明颅骨植入物的患者中得到证实。去年，我深入研究了 fUSI，发现许多技术信息都隐藏在应用论文的方法部分中，或者散布在整个超声成像的长篇书籍中。 fUSI 可以检测血流动力学反应，但是如何检测呢？对比的来源是什么？它测量血流量或体积吗？它如何处理头部的运动？到底什么是超声波？我掉进了一个兔子洞——包括几乎从头到尾阅读一本 800 页的教科书——所以你不必这样做。我将详细介绍 fUSI 的物理工作原理以及分析方法。这将为您以计算方式研究 fUSI 奠定良好的基础。由于可用于 fUSI 模拟的大部分分析工具包都锁定在 Matlab 中，因此我在 Github 上发布了一系列 Python 教程，以便您（或您的代理）可以遵循。读完本文后，您应该了解 fUSI 是什么、它是如何工作的以及为什么它还远未达到上限。这是我二月份在 X 上发布的一篇文章的扩展版本。我对原版并不满意，所以我进行了第二遍：这篇文章包括新的图像和视频，更深入地研究物理，并指出 fUSI 信号处理可以改进的地方。功能性超声成像与传统超声成像一样，使用传感器（既充当发射器又充当接收器）通过组织传输超声。超声波几乎不受阻碍地穿过脑组织，在遇到阻抗变化的地方（如红细胞、气泡或头骨）发生反向散射。通过测量这些反向散射波，可以通过计算重建阻抗的局部变化。重建图像的分辨率与所传送的超声波的波长成正比；这意味着在 18 MHz 下进行超声处理时，线性分辨率可达约 100 um，这是临床使用的高端频率。这解释了我们如何测量高分辨率结构图像，但是功能成像呢？当神经元放电时，它们会消耗能量，从而引发血管舒张和血液延迟流入活跃区域：血流动力学。这种血液具有与基线不同的特性：血液量更多、流动更快、氧含量不同、颜色也不同。多种脑成像模式利用这一事实，测量部分或全部这些特性的变化，包括 fMRI (BOLD) 和 fNIRS。 fUSI 利用这样一个事实，即移动的红细胞会导致反向散射波前（超声图像中的细粒度纹理，称为散斑）中的相长和相消干涉模式发生变化。 fUSI 可以非常快速地（超过 kHz）获取大脑图像，并跟踪斑点随时间的变化。这些图像的变化量与血流量和容量有关。使用 fUSI 测量的信号变化百分比非常高：与 fMRI 的百分之几的 BOLD 信号相比，高达 20%。布鲁克林大桥的长时间曝光，Sarowar2222 / Pixabay 这是一个关于其工​​作原理的直观类比。想象一下用长快门速度拍摄的布鲁克林大桥夜间精美高分辨率图像。水面看起来很光滑，没有破损。但是这张图片中的运动在哪里呢？为了跟踪运动，我们可以拍摄场景的高速影片，并使用标准差来测量每个像素的亮度在一段时间内的变化情况。对生成的图像进行颜色编码，波光粼粼的水面呈现出鲜红色，即使有可能