基于多个实例学习的血脑屏障开放结果的预测,由聚焦超声波诱导

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 使用聚焦超声波 (FUS) 和微/纳米气泡,针对性地打开血脑屏障 (BBB) 对于有效的脑药物输送至关重要.
• 准确和快速预测FUS诱导的BBB开放结果对于优化治疗方案至关重要.

研究的目的:

• 调查多个实例学习 (MIL) 的可行性,以预测FUS诱导的BBB打开.
• 开发和评估一个基于变压器的模型,用于预测FUS BBB打开结果.

主要方法:

• 在52只小鼠身上进行了实验,使用SonoVue微气泡或与FUS.的定制纳米气泡进行实验.
• 声信号被处理到频率域中,并用于训练基于简单变压器的BBB开放预测 (SimTBOP) 模型.
• 该模型利用自我注意机制来分析声信号中的上下文关系,以预测结果.

主要成果:

• SimTBOP模型实现了96.7%的高预测准确度.
• 即使排除绝对强度信息或保留基线噪声,模型性能和可解释性仍然稳健.
• 该模型表现出强大的概括能力,在微气泡和纳米气泡数据上表现良好.

结论:

• 多个实例学习是预测FUS BBB开放的可行方法.
• 拟议的基于变压器的模型为FUS BBB开放预测提供了高性能,可解释性和跨代理通用化.
• 这种方法具有显著的潜力,用于临床翻译在大脑药物输送.