开发基于深度学习的实时超声全息图生成技术-开发基于移动终端的信息系统必须关注

DGIST电气工程与计算机科学系Hwang Jae-yoon教授的团队开发了一种基于深度学习的超声全息图生成框架技术，该技术可以根据全息图实时自由配置聚焦超声的形式。它有望在未来用作需要精度的脑刺 激和治疗领域的基础技术。

超声波是一种安全的技术，甚至用于产前检查。由于不需要手术就可以刺 激深部，因此最近研究了用超声波刺 激和治疗大脑的方法。之前的研究发现，超声波脑刺 激可以帮助治疗阿尔茨海默病、抑郁症和疼痛等疾病。

但问题是，由于目前的技术将超声波聚焦到单个小点或大圈进行刺 激，很难有选择性地同时刺 激多个区域相互作用的大脑相关区域。为了解决这一问题，人们提出了一种利用全息图原理将超声自由聚焦到所需区域的技术，但该技术存在精度低、生成全息图的计算时间长等局限性。

DGIST教授Hwang Jae-yoon团队提出了一种基于深度学习的学习框架，通过学习生成超声全息图，可以实时体现自由和准确的超声聚焦，以克服局限性。因此，黄教授组证明，可以在接近实时的全息图生成时间内，更准确地将超声波聚焦成所需的形式，比现有的超声全息图生成算法方法快400倍。

研究团队提出的基于深度学习的学习框架通过自监督学习来学习生成超声全息图。自监督学习是一种学习方法，通过为没有答案的数据寻找自己的规则来找到答案。研究团队提出了学习生成超声全息图的方法，优化了超声全息图生成的深度学习网络，以及新的损失函数，同时通过模拟和实际实验证明了每个组件的有效性和卓越性。

DGIST电子工程和计算机科学系教授Hwang Jae-yoon表示:“我们将深度学习技术应用于最近提出的超声全息图。因此，我们开发了一种可以自由、快速、准确地产生和改变超声光束形式的技术。”他补充说，“希望这项研究结果用于针对患者的精确脑刺 激技术和一般超声领域(超声成像、热治疗等)。”