CirnetamorNet:基于深度学习的微波超热的超声波温度测量网络

科学领域:

• 生物医学工程 生物医学工程
• 医学物理 医学物理
• 人工智能在医学中的应用

背景情况:

• 准确的非侵入性温度监测对于癌症治疗中有效的微波热疗法至关重要.
• 当前的温度计技术在精度和可靠性方面面临挑战.
• 整合多功能数据为增强温度预测提供了一个有希望的途径.

研究的目的:

• 为微波热疗法开发一种先进的非侵入性温度计技术.
• 通过高效集成多功能数据来实现准确的温度预测.
• 提高癌症治疗期间温度监测的可靠性.

主要方法:

• 提出了一个增强的循环神经网络架构,CirnetamorNet.
• 利用模拟的人体组织模型进行实验数据采集.
• 从超声波图像数据中提取了5个与温度相关的参数,使用灰度共变矩阵和Homodyned-K分布.
• 采用多头注意力机制,以基于多功能输入的温度预测.

主要成果:

• 与常见模型相比,CirnetamorNet表现出优越的性能.
• 实现了较低的训练损失 (1.4589) 和平均平方误差 (0.1856).
• 达到0.3°C的温度预测准确度,超过了许多先进的模型.
• 废弃实验证实了每个模型模块对整体性能的关键贡献.

结论:

• 在微波热疗法中,CirnetamorNet显示了非侵入性温度计的特殊性能.
• 介绍了一种用于医疗应用中的多功能数据融合的新方法.
• 对于改善癌症治疗结果具有显著的实际价值.