用于单次经颅超声模拟与相位像差校正的深度学习模型
医学物理
2024-10-29 v1
摘要
经颅超声（TUS）已成为临床和研究环境中一种极具前景的工具，因为它具有以非侵入方式调节神经元活动、开放血脑屏障、通过纳米颗粒促进靶向给药以及进行热消融的潜力。通过将聚焦超声波传递至大脑任意位置的精确区域，TUS 能够实现靶向能量沉积，目前正作为阿片类药物成瘾、阿尔茨海默病、痴呆、癫痫和胶质母细胞瘤等疾病的治疗方法在五十多项临床试验中进行探索。然而，有效的 TUS 治疗需要仔细的超声参数设计以及焦点位置和压力的精确计算，因为颅骨异质性会增加脱靶超声照射或神经组织能量传递不足的风险。在临床环境中，这种相位像差校正必须在几秒钟内计算完成。为实现这一目标，商业设备通常依赖射线追踪等更快的方法来预测焦点位置和压力。虽然这些方法计算效率高，但并不总能提供 TUS 最佳传递所需的高精度。我们提出了 TUSNet，这是首个用于求解压力场和相位像差校正的端到端深度学习方法，不受限于准确性与效率之间的固有权衡。TUSNet 在 21 毫秒内计算出二维经颅超声压力场和相位校正（比基于 MATLAB 的声学模拟包 k-Wave 快 以上），在估计焦点峰值压力幅度方面达到了 的准确率，与 k-Wave 的真值相比，平均定位误差仅为 毫米。
引用
@article{arxiv.2410.19995,
title = {A deep-learning model for one-shot transcranial ultrasound simulation and phase aberration correction},
author = {Kasra Naftchi-Ardebili and Karanpartap Singh and Gerald R. Popelka and Kim Butts Pauly},
journal= {arXiv preprint arXiv:2410.19995},
year = {2024}
}