A Holistic Physics-Informed Neural Network Solution for Precise Destruction of Breast Tumors using High-Intensity Focused Ultrasound on a Realistic Breast Model
Notice bibliographique
Résumé
Abstract This study presents a novel approach for the precise ablation of breast tumors using high-intensity focused ultrasound (HIFU), leveraging a physics-informed neural network (PINN) integrated with a realistic breast model. The potential of high-intensity focused ultrasound (HIFU) in eliminating breast tumors has shown significant promise. This technique employs concentrated ultrasonic waves to generate intense heat, effectively destroying cancerous tissue. In previous finite element method (FEM) models, the computational demands of handling extensive datasets, multiple dimensions, and discretization pose significant challenges. Our PINN-based solution operates efficiently in a mesh-free domain, achieving remarkable accuracy with significantly reduced computational demands, compared to conventional FEM techniques. Additionally, employing PINN for estimating partial differential equations (PDE) solutions can notably decrease the enormous number of discretized elements needed. The model employs a bowlshaped acoustic transducer to focus ultrasound waves accurately on the tumor location. The simulation results offer detailed insights into each step of the HIFU process. By applying a 3.8 nm displacement amplitude of transducer input pulse at a frequency of 1.1 MHz for 1 second at the focal point, the focal point temperature reaches 38.4 °C. Subsequently, continuing the ablation process for another 90 seconds without the acoustic source leads to extensive necrosis of the tumor tissues. Validation of the PINN model’s accuracy was conducted through FEM analysis and a series of tests using ex vivo bovine liver, aligning closely with real-world HIFU therapy scenarios. This innovative platform provides physicians with a predictive tool to estimate the necrosis of tumor tissue, facilitating the customization of HIFU treatment strategies for individual breast cancer patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».