机器学习支持的实时声学捕捉:一种增强MRI引导微泡积累的技术

科学领域:

• 生物医学工程 生物医学工程
• 声学操纵是一种声学操纵.
• 医疗成像医学成像

背景情况:

• 声学捕捉使用超声波进行非侵入性生物颗粒操纵.
• 磁共振成像 (MRI) 的进步增强了声干扰传感和药物载体跟踪.
• 改善MRI引导的微气泡 (MB) 在目标微容器中的积累对于药物输送至关重要.

研究的目的:

• 开发一种机器学习模型,用于在MRI引导的声学捕获中调节传感器阵列.
• 为了应对由于复杂的超声波传播而导致的精确声学陷生成的挑战.
• 为了提高音响陷的实时调整的计算效率.

主要方法:

• 开发了一个基于机器学习的模型来预测飞行时间 (ToF) 和压力振幅.
• 该模型调节传感器阵列,以精确控制声学干扰.
• 用不同的传感器尺寸和透深度验证了模型性能.

主要成果:

• 该模型实现了ToF (-0.45μs到0.67μs) 和振幅 (-0.34%到1.75%) 的低平均预测误差.
• 快速预测 (<10 ms) 显示,计算效率比现有方法提高了四个数量级.
• 验证证实了该模型的适应性和未来超声波治疗的潜力.

结论:

• 拟议的机器学习模型显著提高了MRI引导声学捕获的准确性和效率.
• 这种方法有望提高药物载体度和向治疗.
• 该模型的适应性表明它在基于超声波的先进医疗干预中具有广泛的适用性.