研究小组通过基于生成对抗神经网络(GAN)的人工智能模型，开发了实时聚焦超声模拟技术。GAN是医学领域广泛用于图像生成的深度学习模型。该技术将反映超声声波变化的三维模拟信息更新时间由14 s缩短至0.1 s，最大平均声压误差小于7%，焦点位置误差小于6mm，均在现有模拟技术的误差范围内，增加了临床应用的可能性。
研究小组还开发了基于医学图像的导航系统，以验证所开发技术的性能，以便将其快速部署到现实世界的临床实践中。该系统可以根据超声换能器的位置，以5 Hz的频率提供实时声学模拟，并成功地在聚焦超声治疗过程中实时预测超声能量和焦点在颅骨内的位置。
以前，由于计算时间长，超声换能器必须精确地定位在预先规划的位置，以利用仿真结果。然而，随着新开发的仿真制导导航系统，现在可以根据实时获得的声学模拟结果来调整超声聚焦。在未来，它有望通过能够快速响应治疗过程中可能发生的意外情况，提高聚焦超声的准确性，为患者提供安全的治疗。
KIST的金亨敏博士表示，“通过此次研究提高了聚焦超声治疗脑部疾病的准确性和安全性，预计将出现更多的临床应用。”“在实际应用中，我们计划通过多样化超声超声环境来验证该系统，例如多阵列超声换能器。”
广告
Source-Newswise
