El proceso de generación de imágenes ultrasónicas mediante técnicas de apertura sintética (SAFT) engloba dos grandes etapas: (1) la etapa de excitación y adquisición, donde se almacenan las señales recibidas por cada elemento o grupo de elementos, y (2) la etapa de conformación de haz o beamforming, en la que todas las señales se combinan juntas para obtener los pixeles de la imagen. El uso de hardware gráfico programable (GPUs) puede reducir significativamente el tiempo de cómputo de esta última etapa, debido a que se emplean algoritmos que incluyen diversas funciones como focalización dinámica, filtros paso banda, filtros espaciales o detección de envolvente. Este trabajo estudia la paralelización de los procesos de conformación de haz para imagen ultrasónica y presenta su implementación con técnicas GPGPU (General Purpose Computation on Graphics Processing Units). Se estudian asimismo los tiempos de ejecución a partir del número de señales involucradas y las dimensiones de la imagen deseada. Los resultados obtenidos muestran que mediante el uso de la GPU es posible acelerar, en más de un orden de magnitud con respecto a implementaciones equivalentes en CPU, los algoritmos de conformación de haz y de post-procesamiento haciendo posible el desarrollo de sistemas de imagen SAFT en tiempo real.
Ultrasonic image generation based on Synthetic Aperture Focusing Techniques (SAFT) can be divided into two stages: (1) the excitation and acquisition stage, where the signals received by each element or group of elements are stored; and (2) the beamforming stage, where the signals are combined together to obtain the image pixels. The use of Graphics Processing Units (GPUs) can significantly reduce the computing time of this last stage, that usually includes di_erent functions such as dynamic focusing, band-pass filtering, spatial filtering or envelope detection. This work studies the parallelization of the beamforming process for ultrasonic imaging and presents its implementation using GPGPU techniques (General Purpose Computation on Graphics Processing Units). We also consider the execution times from the number of signals involved and the desired image dimensions. Experimental results show that using GPU can accelerate, in more than one order of magnitude with respect to CPU implementations, the beamforming and post-processing algorithms making possible the development of real time SAFT imaging systems.