Un modelo de aprendizaje profundo para simulación de ultrasonido transcraneal de disparo único y corrección de...

Área de la Ciencia:

• Física Médica
• Ingeniería Biomédica
• Neurociencia

Sus antecedentes:

• El ultrasonido transcraneal es una técnica de neuromodulación no invasiva con diversas aplicaciones clínicas.
• La heterogeneidad del cráneo plantea desafíos para el enfoque preciso del ultrasonido y la entrega de energía.
• Los métodos existentes enfrentan una compensación entre la velocidad computacional y la precisión en la corrección de la aberración de fase.

Objetivo del estudio:

• Introducir TUSNet, un marco de aprendizaje profundo para cálculos eficientes y precisos de ultrasonido transcraneal.
• Permitir la predicción rápida de campos de presión y correcciones de fase para flujos de trabajo clínicos.
• Abordar las limitaciones de los métodos actuales de predicción de enfoque.

Principales métodos:

• Se desarrolló TUSNet, una red neuronal de extremo a extremo para predecir campos de presión de ultrasonido transcraneal 2D y correcciones de fase.
• Se entrenó TUSNet con un gran conjunto de datos de segmentos sintéticos y reales de TC de cráneo.
• Se comparó TUSNet con k-Wave en cuanto a velocidad, precisión y estimación de presión.

Principales resultados:

• TUSNet calculó campos de presión y correcciones de fase en 21 ms, más de 1200 veces más rápido que k-Wave.
• Logró una precisión del 98,3% en la estimación de la magnitud máxima de la presión.
• Demostró un error medio de posicionamiento focal de 0,18 mm.

Conclusiones:

• El aprendizaje profundo, a través de TUSNet, ofrece una estimación precisa y rápida de los parámetros del ultrasonido transcraneal.
• TUSNet muestra potencial para acelerar la planificación del tratamiento con ultrasonido.
• Se necesita una mayor validación experimental para las condiciones clínicas del mundo real.