基于一维卷积神经网络（1-D CNN）的超声扫描ASIC，用于动脉扩张监测的回波模式识别

《IEEE Transactions on Biomedical Circuits and Systems》：Ultrasound Scanner ASIC with 1-D CNN-Based Echo Pattern Recognition for Arterial Distension Monitoring

动脉扩张监测专用集成电路采用单元素超声探头，通过回波模式识别和1D CNN实现高精度定位，结合Grad-CAM自适应定位动脉壁区域，重构直径波形。180nm BCD工艺下面积2.8mm2、功耗1.65mW，评估显示CNN准确率95%，动脉扩张估计相关系数0.895，验证了混合信号架构的高效性和小型化可行性。

　　

摘要：

本文介绍了一种专为A模式超声扫描仪设计的专用集成电路（ASIC），用于监测动脉扩张情况。该ASIC使用单元素超声探头，通过回波模式识别来定位目标动脉，并重建动脉直径波形。采用一维卷积神经网络（CNN）来识别特征性的动脉壁回波模式，从而确保探头位置的准确性。此外，还利用梯度加权类别激活映射（Grad-CAM）技术自适应地定位动脉壁区域，便于在每个A模式帧中测量动脉直径。ASIC包含高压脉冲器、发射/接收（T/R）开关、模拟前端以及用于后处理的数字电路。该ASIC采用180纳米BCD工艺制造，占用面积为2.8平方毫米，功耗为1.65毫瓦。经过测试，该ASIC在CNN推理性能和动脉扩张估计准确性方面表现出色，推理准确率达到95%，皮尔逊相关系数（r）为0.895。与现有的超声扫描仪相比，所提出的ASIC在回波模式识别方面具有更高的准确率，并实现了高效的混合信号架构，证明了小型超声模块在生理仪器应用中的高可行性。