基于机器学习的辅助优化框架,用于设计单元素经颅聚焦超声换能器,以实现小鼠深脑神经调节

时间:2026年4月27日
来源:Ultrasound in Medicine & Biology

编辑推荐:

机器学习辅助的单元素超声换能器设计优化及小鼠深脑靶向研究,通过随机森林模型和NSGA-II算法,系统评估频率(1-6MHz)、曲率半径(5-7mm)和f数(0.58-1.0)对焦点位置、形状及旁瓣抑制的影响,优化设计实现深脑靶向能量精准聚焦,验证频率与几何参数的协同作用,为无创神经调控设备开发提供新范式。

广告
   X   

Sadman Labib|Jingfei Liu
美国德克萨斯理工大学机械工程系,卢博克,德克萨斯州

摘要

背景

经颅聚焦超声(t-FUS)是一种新兴的非侵入性神经调节技术,具有高空间精度和深脑穿透能力。由于颅骨的衰减和声学异常,与浅层脑区相比,对小鼠深层脑区的精确刺激仍然具有挑战性。

目标

开发一个基于机器学习的框架,用于单元素换能器设计,并展示通过替代模型辅助优化换能器频率和几何形状以实现对小鼠深层脑区的靶向。

方法

该框架包括一个由随机森林回归器和分类器组成的替代模型,该模型经过声学模拟结果的训练,能够根据设计参数预测性能。共模拟了72种换能器设计,这些设计在冠状面和矢状面上进行了系统变化,变量包括频率(1–6 MHz)、曲率半径(5–7 mm)和f数(0.58–1.0)。每种设计都使用五个性能指标进行评估:焦距、焦形、焦点区域的最大压力、压力最大位置以及旁瓣抑制。然后,将这些替代模型与非支配排序遗传算法II结合使用,进行多目标优化,以确定高性能的换能器设计。

结果

优化后的设计产生了紧凑且对称的焦点区域,并能够将能量准确传递到深层目标,即使在复杂的颅骨解剖结构中也能实现最小程度的脱靶效应。结果表明,较低的f数和较高的频率有助于更精确地针对小鼠的深层脑区。

结论

本研究引入了一个基于机器学习的框架,用于低成本、基于替代模型的单元素t-FUS换能器设计优化,减少了对启发式参数选择的依赖。替代模型是基于单张CT图像生成的小鼠头部模型进行训练的;扩展到其他CT图像生成的解剖结构应能提高在不同品系、年龄和性别间的通用性。

引言

经颅聚焦超声(t-FUS)是一种新兴的非侵入性神经调节技术,在神经学[1]、精神病学[[2], [3], [4]]以及大脑功能研究和疾病研究[[5], [6], [7], [8]]中具有潜在应用。它具有高空间分辨率和深脑穿透能力,是调节特定脑回路神经活动的有效工具[[10], [11], [12]]。相比之下,其他非侵入性神经调节技术(如重复经颅磁刺激和经颅直流电刺激)缺乏针对深层脑区的能力,并且空间分辨率有限[13]。迄今为止,临床前和临床研究均已表明,t-FUS能够以显著的空间精度选择性地针对中枢和周围神经系统中的特定区域,这凸显了其在治疗性神经调节方面的潜力[14,15]。然而,其治疗效果的潜在机制仍不甚明了。这种复杂性源于超声波、颅骨结构和脑组织之间的物理和生物相互作用,以及神经系统疾病发病机制的复杂性。因此,在动物模型中进行广泛的基础研究对于弥合基础研究与未来t-FUS治疗转化研究之间的差距至关重要。
在t-FUS神经调节中,既使用相控阵换能器也使用单元素换能器[16]。相控阵换能器可以对脑目标提供良好的空间控制[17];可以同时产生多个焦点以实现多目标神经调节[18];并且可以通过逐个元件的相位/幅度控制来适应性地校正颅骨引起的异常,从而保持稳定的高效焦点[19],同时减少颅骨加热风险,并确保足够的能量到达焦点[20]。然而,它们可能会产生旁瓣和栅瓣效应,导致脱靶刺激;并且结构更为复杂、成本更高、体积更大、布线也更复杂,这限制了其在小型动物和自由活动应用中的使用[21]。此外,对于小型动物应用来说,相控阵换能器的笨重设计需要在实验过程中对动物进行麻醉或物理约束。不幸的是,麻醉会改变正常的脑活动,从而可能通过干扰自然神经反应显著偏倚神经调节研究的结果[22]。在这种情况下,使用单元素换能器可能是一个可行的选择。
总体而言,单元素换能器具有多个优势,特别是体积小、重量轻和便携性好,允许在无需麻醉的情况下对小型动物(如小鼠)进行自由活动神经调节[23,24]。一项研究[25]基于模拟结果开发了一种1 MHz的单元素凹面换能器,其曲率半径(ROC)为5 mm,孔径直径为7.5 mm,用于小鼠的深层脑刺激,并实现了精确有效的超声神经调节。Lee等人的研究[26]开发了一种可穿戴的t-FUS换能器(直径16 mm,中心频率600 kHz,重量6 g),用于刺激清醒大鼠的运动皮层区域。另一项研究[27]设计并制造了一种3.8 MHz的可穿戴单元素换能器,重量约为2 g,用于刺激自由活动的小鼠的下丘脑。由于易于操作和制造成本低,单元素换能器在小型动物研究中越来越受欢迎,成为临床前神经调节研究的实用选择。
目前,在小型动物的t-FUS神经调节研究中,大多数研究都集中在大脑表层区域(如皮质[7,28,29]),因为在这些区域,超声能量穿过颅骨的距离较短,衰减较小。浅层目标使得声学耦合更简单,对颅骨异质性的敏感性较低,波传播也更容易预测。相比之下,小鼠的深层脑目标由于传播距离长、颅骨界面的复杂反射和折射以及异质介质中的大量吸收和相位异常,带来了显著的技术挑战。尽管之前已有针对深层脑区的t-FUS应用的示范[27],但尚未有针对小鼠深层脑目标(例如下丘脑,见图1)的数据驱动的多目标优化单元素换能器设计的报道。设计此类换能器需要综合考虑多个参数,包括频率、ROC、孔径直径、颅骨引起的失真和其他FUS参数[30]。这些因素共同决定了针对深层脑结构的有效性和精确性。
本研究的直接目标是开发一种适用于小鼠深层脑调节的优化单元素换能器。我们不是依靠经验选择关键参数(如频率、ROC和f数),而是生成一个系统的模拟数据集,训练一个替代模型来捕捉设计性能指标,并应用多目标优化来识别受解剖学约束的帕累托最优换能器。据我们所知,这是首个将基于机器学习的优化策略应用于单元素超声换能器设计的研究;因此,本研究的另一个目标是引入一个先进的设计平台,即基于机器学习的设计优化方法,用于开发超声换能器,包括单元素和相控阵换能器。
在本文的其余部分,我们首先描述了用于设计和评估单元素t-FUS换能器的建模、仿真和优化工作流程。接下来,我们报告了不同仿真中性能评估标准的变化趋势、神经调节的热响应以及优化设计的结果,并与相关文献基线进行了比较。随后,我们将讨论设计影响、颅骨解剖结构对波束形成的影响以及当前方法的局限性。最后,本文将总结主要发现和扩展该框架的方向。

部分片段

方法

本节描述了用于设计和评估单元素t-FUS换能器的建模、仿真和优化工作流程。“小鼠头部模型”部分介绍了基于CT图像得到的小鼠头部模型及其组织属性分配。“2D k波仿真”部分概述了用于高效探索频率、ROC和f数设计空间的2D k波仿真。“基于CT的3D小鼠头部重建和仿真”部分展示了基于3D CT的

结果

我们分析了涵盖换能器频率、ROC和f数的144个仿真结果。“频率和几何参数对性能评估标准的影响”部分详细说明了这些参数对性能指标的影响,“热效应”部分展示了热响应,“优化后的换能器声学和几何参数”部分报告了优化换能器的性能,“优化换能器设计与文献中报道的换能器的比较”部分

讨论

我们讨论了我们的换能器设计和仿真结果对小鼠经颅聚焦的影响。“频率-几何权衡和t-FUS靶向的特征重要性”部分解释了频率-几何权衡和影响靶向性能的特征重要性结果。“小鼠颅骨形态对靶向精度和脱靶能量沉积的影响”部分探讨了小鼠颅骨形态如何改变焦点位置、形状和脱靶能量

结论

本研究提出了一个基于机器学习的多目标优化框架,用于设计适用于小鼠深层脑调节的单元素超声换能器。对于深层目标而言,一个关键挑战是小鼠颅骨会破坏声场:上颅骨会引起强烈的衰减和异常,可能导致脱靶刺激;而下颅骨则会产生强烈的反射,影响深层区域的聚焦效果。为了解决这个问题,我们

数据声明

支持本研究结果的数据可向相应作者索取。

利益冲突声明

作者声明没有利益冲突。

生物通微信公众号
微信
新浪微博


生物通 版权所有