深層学習によるワンショット経頭蓋超音波シミュレーションと位相収差補正

科学分野:

• 医用物理学
• 生体医工学
• 神経科学

背景:

• 経頭蓋超音波は、多様な臨床応用を持つ非侵襲的な神経調節技術です。
• 頭蓋骨の不均一性は、正確な超音波集束とエネルギー配信に課題をもたらします。
• 既存の方法は、位相収差補正における計算速度と精度のトレードオフに直面しています。

研究 の 目的:

• 効率的かつ正確な経頭蓋超音波計算のための深層学習フレームワークであるTUSNetを導入すること。
• 臨床ワークフローのための圧力場と位相補正の迅速な予測を可能にすること。
• 現在の焦点予測方法の限界に対処すること。

主な方法:

• 2D経頭蓋超音波圧力場と位相補正を予測するためのエンドツーエンドニューラルネットワークであるTUSNetを開発しました。
• 合成および実際の頭蓋骨CTセグメントの大規模データセットでTUSNetをトレーニングしました。
• 速度、精度、圧力推定についてTUSNetをk-Waveと比較ベンチマークしました。

主要な成果:

• TUSNetは、k-Waveよりも1200倍以上高速な21ミリ秒で圧力場と位相補正を計算しました。
• ピーク圧力振幅推定で98.3%の精度を達成しました。
• 平均焦点位置誤差0.18 mmを実証しました。

結論:

• 深層学習は、TUSNetを介して、経頭蓋超音波パラメータの正確かつ迅速な推定を提供します。
• TUSNetは、超音波治療計画の加速に有望です。
• 実際の臨床条件については、さらなる実験的検証が必要です。