面向生成热图的全息聚焦超声方法路线图

在治疗性聚焦超声 (FUS) 中，如热消融和高热疗法中，有效的声热操作需要精准地靶向复杂几何形状、声波通过不规则结构以及在特定深度进行选择性聚焦。声学全息透镜 (AHL) 提供了将声场形状化为精确、复杂和多聚焦 FUS 热图的独特能力。鉴于 AHL 在塑造超声诱导加热方面的潜力尚未充分被探索，本研究介绍了用于 AHL 设计中声热建模的路线图。研究并对比了四种不同形状组的三种主要建模方法：基于压力的 (BSC-TR 和 ITER-TR)、基于温度的 (IHTO-TR) 和基于机器学习 (ML) 的 (GaN 和 Feat-GAN) 方法。引入了包括图像质量、热效率、控制性和计算时间等新指标。强调评估靶图复杂度、热和压力要求以及计算资源的重要性，以选择合适的方法。对于轻度异构介质且靶标复杂度较低的场景，BSC-TR 结合误差扩散算法提供了有效解决方案。随着图案复杂度的增加，ITER-TR 变得更为适合，通过迭代的前向和后向传播来进行优化，可由不同误差度量标准控制。IHTO-TR 适用于高度异构介质，特别是需要热控制和精确热沉积的应用场景。GaN 适用于需考虑声热效应且在模型参数和边界条件保持不变的情况下的快速求解。相比之下，Feat-GaN 对于中等复杂度的图形组以及需要调整模型参数的应用场景效果更佳。