(资料图)
监测血液流向大脑可以揭示它是如何工作的。血流量的增加通常伴随着神经元活动,而流量的减少可以指示各种异常,例如,作为导致中风的风险指标。扩散相关光谱 (DCS) 等现代光学技术使科学家能够通过将激光照射在头皮上并分析扩散光来无创地测量流向大脑的血流。
具体来说,基于 DCS 的仪器通过计算漫射光的统计参数来工作,漫射光形成散斑图案——激光被粗糙表面散射后形成的随机亮斑和暗斑图案。由于血流以统计上可预测的方式影响这种模式,因此 DCS 可用作间接测量技术。
此外,最近兴起的单光子雪崩二极管 (SPAD) 相机使得同时捕获许多独立散斑成为可能,这与传统 DCS 仪器中仅捕获单个散斑模式相反。这一发展承诺多斑点 DCS 仪器具有更高的灵敏度。
然而,处理超过常用通信协议的最大数据传输速率的现代 SPAD 相机的极高数据速率非常具有挑战性。这一瓶颈限制了 SPAD 相机在更高像素分辨率方面的可扩展性,阻碍了更好的多光斑 DCS 技术的发展。
为了解决这个问题,由爱丁堡大学的 Robert K. Henderson 教授领导的一组科学家最近提出了一种新颖的数据压缩方案,其中大多数涉及 SPAD 数据的计算直接在称为现场可编程门的商用可编程电路上执行阵列(FPGA)。他们的工作由 Meta Platforms Inc. 赞助,并发表在Journal of Biomedical Optics上。
研究人员将一个 SPAD 传感器阵列(由 192 x 128 像素组成并封装在一个名为 Quanticam 的相机模块中)连接到 FPGA,他们在 FPGA 上实施了自相关算法。它从 SPAD 阵列输出中实时计算了 12,288 个自相关——多斑点 DCS 中涉及的最耗时的计算之一。通过这种方式,该团队设法将计算负担从主机计算系统转移到直接连接到 SPAD 传感器的硬件上。