5月15日,脑机交互与人机共融海河实验室研究团队在工程领域顶级期刊《Engineering Applications of Artificial Intelligence》上发布了一项突破性成果。该团队成功研发了一种能够实现快速、精准声场计算的深度学习模型,为经颅超声技术带来了革新。
这项研究的核心是一种名为tFUSNet的深度学习快速声场预测模型。该模型并非孤立研发,而是建立在团队前期两项关键技术的基础之上:其一是相位幅值耦合阵元调控算法,其二是自主研发的128阵元超声相控阵辐照系统。基于这些技术,团队已能实现超声波经真实人类颅骨后,精准聚焦于颅内不同靶点。而此次推出的tFUSNet模型,则实现了关键性飞跃——它能够对相控阵在颅内产生的复杂声场,进行高精度、毫秒级的实时预测。
这一进展具有重要的应用价值。长期以来,经颅聚焦超声领域面临两大核心挑战:首先是颅骨对超声波的衰减和畸变效应,导致聚焦“瞄不准”;其次是传统依赖三维数值仿真的方法虽精度高,但计算耗时过长,如同用算盘解复杂方程,无法满足实时调控的效率需求。tFUSNet模型的出现,相当于同时提供了“高精度的瞄准系统”与“超高速的弹道解算计算机”。它不仅有助于补偿颅骨导致的声场畸变,更关键的是,它彻底打破了传统仿真计算的速度瓶颈,实现了毫秒级预测。
这项技术的突破,为多个前沿研究领域开启了新的可能性。例如,在高时空分辨率的声学脑机接口、超声神经调控等研究中,往往需要对声场分布进行快速、动态的预测与实时调整。如今,借助这种毫秒级的声场预测能力,相关研究的实验效率与调控精度有望获得大幅提升,为深入探索大脑功能与疾病治疗奠定了坚实的技术基础。
