一个整体的物理信息的神经网络解决方案,用于精确地摧毁乳腺瘤,使用对真实乳腺模型的聚焦超声波

科学领域:

• 生物医学工程 生物医学工程
• 计算物理 计算物理
• 在瘤学瘤学.

背景情况:

• 聚焦超声波 (FUS) 提供了有前途的非侵入性乳腺瘤切除.
• 传统的有限元法 (FEM) 模型在模拟FUS时面临着计算挑战.
• 精确的建模对于优化FUS治疗参数至关重要.

研究的目的:

• 开发一种新的,计算效率高的模型,使用FUS精确切切地切除乳腺瘤.
• 整合一个物理信息的神经网络 (PINN) 与一个现实的乳房模型用于FUS模拟.
• 为估计瘤组织缩和定制FUS治疗提供预测工具.

主要方法:

• 一个基于物理学的神经网络 (PINN) 被开发并与现实的乳房模型集成.
• 与FEM相比,PINN模型在无网格域中运行,减少了计算复杂性.
• 模拟了一个碗形的声学传感器,以准确地将超声波聚焦在瘤上.
• 应用了特定的FUS参数 (3.8nm位移,1.1MHz,1秒) 来模拟瘤加热和切除.

主要成果:

• PINN 模型表现出高精度,显著降低了计算需求.
• 模拟提供了对FUS治疗过程的详细见解,从波浪生成到组织切除.
• 应用指定的FUS参数导致焦点温度升高38.4°C,然后在冷却后出现显著的瘤缩.
• 与FEM分析对PINN模型的准确性进行了验证,显示与现实世界FUS治疗密切一致.

结论:

• 开发的基于PINN的模型为模拟FUS乳腺瘤切除提供了一种高效和准确的方法.
• 这种创新工具使医生能够预测瘤缩并个性化FUS治疗策略.
• 这项研究强调了PINNs在推进癌症治疗的计算建模方面的潜力.