Predicción de la pérdida de inserción por ultrasonido transcraneal utilizando TC de cráneo: un enfoque de aprendizaje...

Área de la Ciencia:

• Ingeniería Biomédica
• Neurociencia
• Imagenología Médica

Sus antecedentes:

• La ecografía transcraneal (tUS) ofrece modulación cerebral no invasiva pero enfrenta desafíos debido a la atenuación ultrasónica inducida por el cráneo.
• La pérdida de inserción (IL) cuantifica esta degradación de la señal, lo cual es crítico para la entrega efectiva de tUS.
• Los métodos actuales de predicción de IL son computacionalmente intensivos y sensibles a las variaciones.

Objetivo del estudio:

• Desarrollar un método rápido y preciso para predecir la IL basado en las características estructurales del cráneo.
• Investigar la correlación entre la anatomía del cráneo y la atenuación ultrasónica.
• Aprovechar el aprendizaje profundo para la predicción eficiente de la IL en aplicaciones de tUS.

Principales métodos:

• Se recopilaron datos de IL de 20 especímenes de cráneo humano a 220 kHz, 650 kHz y 1000 kHz.
• Se desarrolló una red neuronal modificada basada en la arquitectura Inception de doble vía (mDPI-Net) utilizando escaneos de TC del cráneo.
• Se comparó el rendimiento de mDPI-Net con métodos de pseudo-espectro homogéneos y simulaciones inhomogéneas.

Principales resultados:

• mDPI-Net superó significativamente a los métodos homogéneos en precisión (Error de Presión Pico: 26,6 % frente a 34,3 %).
• mDPI-Net mostró una precisión comparable a las simulaciones complejas (Desviación IL: 2,47 dB frente a 1,69 dB).
• La eficiencia computacional mejoró drásticamente, reduciendo el tiempo de predicción de 15 min/muestra a 0,5 s/muestra.

Conclusiones:

• Los escaneos de TC del cráneo contienen información estructural inherente crucial para la predicción de la IL.
• Los modelos de aprendizaje profundo como mDPI-Net ofrecen un enfoque computacionalmente eficiente y preciso para la predicción de la IL.
• Esta técnica tiene potencial para la evaluación preoperatoria de la IL en tiempo real, mejorando la precisión en las terapias de tUS.