HIFU 是一种非侵入性肿瘤消融技术。在实际的HIFU治疗过程中，生物组织吸收声能并将其转化为热能。 HIFU 聚焦区域内组织温度的测量和控制对于治疗效果至关重要。然而，由于非均匀生物介质(包括骨骼、肌肉、脂肪和血管)的异质性，影响声音传播并表现出吸声差异，目前实现准确、实时监测具有挑战性。 HIFU 聚焦区域内的温度分布。因此，很难为患者科学、准确地规划有效的超声剂量(如声功率和治疗时间)。这在一定程度上影响了HIFU治疗的疗效。
在最近发表在BME Frontiers上的一项研究中，华中科技大学的研究团队开发了一种深度多模态师生(MMTS)方法，该方法能够实时重建 HIFU 焦点温度场。在HIFU治疗过程中，研究团队利用超声诊断系统获取超声回波信号，并利用温度检测系统获取实时温度数据。他们进一步训练了一个深度神经网络，可以快速将 B 模型超声波图像转换为 2D 温度图像，从而显示准确的颜色和对比度。这个重建过程每帧只需要几毫秒，并且不需要昂贵的计算资源。仅使用计算机，就可以更快且经济高效地完成 HIFU 焦点温度场的重建，从而实现更准确的剂量计划。
复旦大学附属华东医院肿瘤科HIFU中心的医生对这种基于AI的温度重建技术的重建速度和重建质量进行了验证。医生们证实，基于深度学习的温度重建方法有效地实时监测了HIFU温度场的分布，为后续个性化治疗剂量规划奠定了理论基础，并为无创、非电离癌症治疗提供了高效指导。
该研究由华中科技大学集成电路学院教授朱本鹏博士领导。华中科技大学集成电路学院栾顺耀博士与复旦大学附属华东医院肿瘤科HIFU中心主任赵红合作。该作品的其他作者包括季永硕、刘玉梅、朱琳玲、周浩宇、欧阳军和杨晓飞。
免责声明：本文由用户上传，如有侵权请联系删除！
