一个类似性受约束的多通道封闭注意网络,用于对焦超声波诱导的血脑屏障开放评估

科学领域:

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

背景情况:

• 血脑屏障 (BBB) 限制了中枢神经系统 (CNS) 的药物输送.
• 带有微气泡的聚焦超声波 (FUS) 提供了非侵入性的BBB开放.
• 目前用于评估FUS诱导的BBB开放的方法有限.

研究的目的:

• 开发一种基于注意力的新型门式模型 (GAB),用于预测BBB开放结果.
• 评估FUS介导的BBB中断的有效性和安全性.
• 为了改善FUS治疗结果的实时预测.

主要方法:

• 一个基于注意力的门式模型 (GAB) 使用时域声信号剪辑器开发出来.
• GAB架构包括一个声学编码器和一个多通道封闭注意力机制.
• 分析了174次FUS治疗的声信号,以对结果进行分类 (没有开口,没有出血的开口,出血的开口).

主要成果:

• 在预测出血方面,GAB表现优越 (准确率:86.6%,AUC:0.894).
• 注意力权重可视化了模型区分与安全打开和出血相关的空心信号的能力.
• 性能超越了传统的基于剂量的洞化方法和先前的深度学习模型.

结论:

• GAB增强了FUS介导的BBB中断监控的时间分辨率.
• 该模型使用可解释的声学特征提供了卓越的预测性能.
• 这种方法显示出在临床FUS应用中实时预测结果的巨大潜力.