A holistic physics-informed neural network solution for precise destruction of breast tumors using focused ultrasound on a realistic breast model
Notice bibliographique
Résumé
This study presented a novel approach for the precise ablation of breast tumors using focused ultrasound (FUS), leveraging a physics-informed neural network (PINN) integrated with a realistic breast model. FUS has shown significant promise in treating breast tumors by effectively targeting and ablating cancerous tissue. 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 posed significant challenges. Our PINN-based solution operated 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 employed a bowl-shaped acoustic transducer to focus ultrasound waves accurately on the tumor location. The simulation results offered detailed insights into each step of the FUS treatment process, including the generation of acoustic waves, the targeting of the tumor, and the subsequent heating and ablation of cancerous tissue. By applying a 3.8 nm displacement amplitude of transducer input pulse at a frequency of 1.1 MHz for 1 second, the temperature at the focal point elevated to 38.4 ℃, followed by another 90 seconds of cooling time, which resulted in significant necrosis of the tumor tissues. Validation of the PINN model's accuracy was conducted through FEM analysis, aligning closely with real-world FUS therapy scenarios. This innovative model provided physicians with a predictive tool to estimate the necrosis of tumor tissue, facilitating the customization of FUS 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».