基于模型的深度学习方法用于聚焦超声波路径扫描

科学领域:

• 医学物理 医学物理
• 生物医学工程 生物医学工程
• 计算医学是一种计算医学.

背景情况:

• 高强度聚焦超声波 (HIFU) 是一种用于瘤切除的非侵入性疗法.
• 治疗大型瘤需要多次切除,需要精确的规划,以避免副作用.
• 有效的手术前规划对于优化HIFU疗效和患者安全至关重要.

研究的目的:

• 开发一种基于机器学习的方法来设计HIFU治疗计划.
• 整合患者特定的材料特性和热模拟,以准确设计治疗.
• 通过改进手术前规划,提高HIFU瘤切除的精度.

主要方法:

• 为HIFU治疗计划开发了一种机器学习模型.
• 一个数值模型模拟了HIFU的吸收,传热和温度升高.
• 在ex vivo牛肝实验中验证了数值模型的准确性.

主要成果:

• 该模型准确地代表了瘤几何学的变化.
• 高质量的治疗计划被生成在最小的过度或不足的治疗 (<0.06%).
• 机器学习和模拟方法准确地预测了HIFU加热过程.

结论:

• 拟议的机器学习策略增强了HIFU治疗计划.
• 精确的热模拟与机器学习相结合,可以改善手术前的规划.
• 这种方法有可能显著改善HIFU治疗结果.