PhysRFANet：物理引导的神经网络用于射频消融治疗期间热效应的实时预测

Dec, 2023

PhysRFANet：物理引导的神经网络用于射频消融治疗期间热效应的实时预测

PhysRFANet: Physics-Guided Neural Network for Real-Time Prediction of Thermal Effect During Radiofrequency Ablation Treatment

PDF

Minwoo Shin, Minjee Seo, Seonaeng Cho, Juil Park, Joon Ho Kwon...

TL;DR提出了一种名为 PhysRFANet 的物理引导神经网络模型，用于实时预测射频消融治疗过程中的热效应。通过与乳腺癌患者的磁共振图像结合的生物物理计算模型和牛肝组织实验验证，该模型在预测消融病灶体积和温度分布方面表现出良好的准确性和实时性，对改进射频消融治疗的安全性和有效性具有重要潜力。

Abstract

radiofrequency ablation (RFA) is a widely used minimally invasive technique for ablating solid tumors. Achieving precise personalized treatment necessitates feedback information on in situ thermal effects induced by the RFA procedure. While computer simulation facilitates the predictio

radiofrequency ablation thermal effect physics-guided neural network model temperature distribution ablation lesion

发现论文，激发创造

基于优化深度学习方法的加速质子共振频率磁共振测温

深度学习在磁共振热成像中的应用显著提高了临床超声聚焦热疗的精确度和效率。

Jul, 2024

NeRF$^ extbf {2}$：神经无线电辐射亮度场

本研究利用神经射频辐射场，NeRF$^ extbf {2}$ 来解决射频信号精确建模中的难点，通过训练神经网络，提升了射频信号的可感知性，同时，通过建模射频模型和射线追踪来生成合成数据集，使用 Turbo-learning 技术，提升了应用层人工神经网络的性能。

May, 2023

激光粉末床熔化中的温度分布预测：可传递和可扩展的图神经网络

本研究介绍了使用图神经网络（GNNs）来模拟激光粉床熔融（L-PBF）过程中的热动力学的新型预测模型。通过开发和验证单激光 GNN（SL-GNN）和多激光 GNN（ML-GNN）代理模型，本研究引入了一种可扩展的数据驱动方法，从小规模有限元分析（FEA）模拟中学习基本物理，并将其应用于更大的领域。这种方法能够捕捉 L-PBF 中的热传递过程的复杂性并显著降低计算成本，从而实现更高效和灵活的预测建模。

Jul, 2024

RADIANCE：用于自动网络覆盖估计的射频对抗深度学习推断

利用生成对抗网络的方法以及语义地图对室内环境进行建模，实现射频地图的自动合成及网络覆盖估计。

Aug, 2023

应用物理信息的生成神经网络用于室内人体感知的射频传播预测

该研究论文讨论了一种基于变分自编码器（VAE）的物理约束生成神经网络模型，用于模拟人体运动对电磁场的影响并融合电磁体绕射原理。通过与经典绕射基于电磁工具和全波电磁体模拟进行验证。

May, 2024

激光粉床增材制造温度预测的长短时记忆神经网络

本文提出了一种智能打印工具，通过神经网络对温度梯度分布进行预测和优化，实现 laser powder bed fusion 的打印控制和质量提高。

Jan, 2023

实时基于模型的定量超声和雷达

基于波传播物理模型的神经网络可以在不到一秒钟的时间内针对复杂和现实场景，只使用八个元素的数据，重构多种物理性质，并对雷达和超声信号的有效性进行了验证。