脑部超声成像

# 脑部超声成像 — Aleph Neuro 来源：https://alephneuro.com/blog/ultrasound-brain 几年前，一篇论文让我们震惊。它的核心观点是：仅仅通过大脑活动，就能解码一个人正在看什么。 看到双层巴士及其重建图像 看到涉水鸟及其重建图像 看到市场场景及其重建图像 从大脑活动重建所看到的图像——左侧为原图，右侧为重建结果（MindEye（https://medarc-ai.github.io/mindeye/），基于fMRI解码） 这很疯狂，也让人瞥见了读心术未来的冰山一角。不幸的是，这需要一台MRI机器，而它显然无法戴在头上。 事实上，整个脑机接口领域的首要瓶颈就是硬件。目前存在两种极端：要么在头骨上钻孔，将电极插入大脑；要么在头外使用EEG记录脑活动，得到的图像充其量是模糊的。 我们正在打造一种新型硬件，无需钻孔，却能提供MRI级别的脑部细节。 它基于**超声**。利用血管系统与神经元之间的联系——当神经元放电时，更多血液会输送到这些神经元。我们通过头骨发射**超声**波，超声波会从红细胞上散射开来。然后，我们就可以绘制整个大脑中血流和血容量的图谱。 超声波在人类头部中的传播。 我们认为，一个通用的脑机接口需要满足两个条件。第一，必须能够看到大脑的大部分区域。即使使用1000个电极，最多也只能捕捉到0.001%的脑部活动。这对于控制光标之类的狭窄任务来说很好，但思维分布在大脑各处。 第二个条件是细节，即分辨率。EEG和MEG等模态具有很大的视野，但只能捕捉到脑活动的模糊图像。这是根本性的问题，是由电场和磁场的传播方式决定的，而且无法通过扩展到数百万个传感器来解决。 神经血管**超声**——像MRI一样——同时满足这两个条件。其物理特性使得能够记录大脑中多达一百万个独立像素，每个像素小于一毫米。在过去的几年里，当去除头骨时，它已经取得了**出色的（https://www.sciencedirect.com/science/article/pii/S0896627321001513）结果（https://www.science.org/doi/10.1126/scitranslmed.adj3143）**。但挑战在于在头骨完整的情况下实现这一点。 ## 首次亮相 今天，我们分享一个里程碑：通过头骨使用**超声**捕捉到的活体人类大脑（据我们所知）最详细的血管图像。 活体人类大脑的重建血管容积图，通过完整头骨成像 我们可以看到大血管、软脑膜动脉和小动脉。这是世界上第一张通过头骨对活体人类大脑进行**超声**定位显微镜成像的3D图像，其体积分辨率比类似CT高100倍¹（https://alephneuro.com/blog/ultrasound-brain#fn-1）。 我们知道，经颅微泡成像除了我们正在研究的内容之外，还有许多其他应用。因此，我们将**开源（https://github.com/alephneuro/braindump）**整个处理流程以及数据集。中风、阿尔茨海默病、创伤性脑损伤等疾病都会在CT和MRI无法分辨的尺度上留下血管特征，我们期望这种分辨率的成像能够应用于它们。 ## 微泡处理流程 微泡让我们能够突破衍射极限。通常情况下，**超声**无法区分距离小于一个波长的两个物体——任何更精细的结构都会融合成一个模糊的斑点。 单个微泡会扩散成一个波长宽的斑点，但亚像素拟合将其中心定位在远低于衍射极限的位置 诀窍在于浓度。将微泡稀疏地注入，使它们的斑点不重叠，那么每个微泡的中心就可以被精确地定位，精度远超波长本身。当微泡在血管系统中流动时，我们累积数百万个这样的位置，并将它们叠加成一幅比波长细节更精细的图像。 原始超声只能分辨出几个波长宽的斑点；定位每个微泡的中心能够恢复出下面穿行的血管 这些微泡本身是包裹在脂质壳中的六氟化硫气泡。它们是FDA批准的造影剂，我们在四分钟的采集过程中持续输注它们。这种气体的声阻抗与组织相差很大，因此声音会在每个微泡表面强烈反射——这除了能够实现超分辨率之外，还增强了信号。 微泡中心逐帧连接成轨迹，此处以3D显示。它们的方向和速度描绘了血液在活的微血管系统中的流动。 ## 走向无造影剂的神经血管成像 我们的造影增强结果是旅程中的一步。它们让我们对通过完整头骨可以达到的血管细节有了清晰的认识。真正的目标是实现无造影剂的脑部神经血管成像。 两个趋势让我们有信心实现这一目标。第一个是硬件。**超声**设备曾经售价超过10万美元，需要一整套电子设备。得益于Butterfly等公司，现在它们的价格和尺寸与智能手机相当，并且还在不断改进。 第二个是数据。无造影剂成像更难。红细胞的散射远小于微泡，因此信号更弱。但信号并没有丢失。只是当今的方法无法提取出来。一个标准的**超声**探头每小时接收TB级的数据，但典型的处理流程会将其压缩到原始数据的0.1%。它基于手工设计的特征，让我们想起了早期的计算机视觉。我们相信，端到端的机器学习，在足够大的数据集上训练，将能够恢复出比当前方法所能看到的更多的信号。 这就是为什么我们目前正在收集我们认为的世界上最大的神经血管**超声**数据集。我们很兴奋地分享接下来的进展。 ## 注释 1. 但请注意，这是利用了超分辨率的技巧，这仅适用于造影版本的神经血管超声。↩（https://alephneuro.com/blog/ultrasound-brain#fnref-1）