面具自适应的AI驱动3D经颅聚焦超声模拟框架
计算机视觉与模式识别
2025-05-20 v1
摘要
经颅聚焦超声(tFUS)是一种新兴的非侵入性大脑刺激和治疗介入方法，具有毫米级的空间精度和针对深脑结构的能力。然而，人类颅骨的各异性和各向异性性质会对传播的超声波前形成显著扰动，这需要使用数值求解器进行耗时的患者特定规划和校正才能实现精准靶向。为支持此领域的数据驱动方法，我们介绍了TFUScapes，这是第一个大规模、高分辨率的tFUS模拟数据集，基于来源于T1加权MRI图像的解剖学上真实的人类颅骨。我们开发了一个可扩展的仿真引擎管道，使用k-Wave伪谱求解器，其中每个仿真返回由位于真实颅皮位置的聚焦超声换能器产生的稳态压力场。除了数据集外，我们还提出了DeepTFUS，一种深度学习模型，可直接从输入3D CT体积和换能器位置估计归一化压力场。该模型扩展了U-Net主干架构，引入换能器感知条件，将傅里叶编码位置嵌入和MLP层整合以创建全局换能器嵌入。这些嵌入通过特征调制、动态卷积和跨注意力机制与U-Net编码器特征融合。模型使用组合的空间加权和梯度敏感损失函数进行训练，使其能够逼近高保真波场。TFUScapes数据集已公开发布，以加速计算声学、神经技术和深度学习交叉领域的研究。项目页面位于https://github.com/CAMMA-public/TFUScapes。
引用
@article{arxiv.2505.12998,
title = {A Skull-Adaptive Framework for AI-Based 3D Transcranial Focused Ultrasound Simulation},
author = {Vinkle Srivastav and Juliette Puel and Jonathan Vappou and Elijah Van Houten and Paolo Cabras and Nicolas Padoy},
journal= {arXiv preprint arXiv:2505.12998},
year = {2025}
}
备注
The project page is available at https://github.com/CAMMA-public/TFUScapes