生医工学院程冰冰课题组发表聚焦超声开放血脑屏障技术新进展

近日，上海科技大学生物医学工程学院程冰冰课题组（TRUTH Lab）在国际学术期刊IEEE Transactions on Biomedical Engineering上发表题为“A Similarity-Constrained Multi-way Gated Attention Network for Focused Ultrasound-induced Blood-brain Barrier Opening Evaluation”的研究论文，开发了一种端到端深度学习模型，从聚焦超声治疗过程中的时域声学信号中自动提取时频特征，精准判断血脑屏障是否成功开放以及是否发生出血，显著提升了不同开放结果的判断准确率，为血脑屏障开放的实时智能评估提供了新思路。

聚焦超声联合微/纳米泡能够实现血脑屏障的靶向、可逆开放，然而目前主要依赖钆增强 MRI 或解剖学验证，无法在治疗中提供实时反馈。相比之下，被动空化检测技术能够连续采集声学信号，是评估疗效和安全性的理想手段，但传统方法主要依赖人工提取的频域特征，受参数差异和硬件依赖性限制，预测的稳定性和模型泛化能力不足，难以满足“在线监测—即时决策”的临床需求。

针对上述挑战，本研究提出了一种门控注意力模型（GAB，图1），以高时间分辨率的短时域声学信号片段为输入，融合了能够同时捕捉时域与频域特征的声学编码器以及多路门控注意力机制，在实现高时间分辨率分析的同时，显著提升了不同开放结局（如安全开放、未开放、出血开放）的判断能力。注意力可视化结果进一步表明，GAB 在识别“出血开放”时更关注伴随宽带增强的惯性空化相关片段，而在判定“安全开放”时则聚焦于次谐波和超谐波为主的稳定空化特征（图2）。更重要的是，该模型在现代 GPU 硬件平台上可实现接近实时推理，为实现聚焦超声开放血脑屏障过程中的“疗效与安全性”一体化智能评估与闭环控制提供了强有力的方法学工具和可靠的技术基础。

图1. 基于门控注意力机制的聚焦超声开放血脑屏障预测模型示意图

图2. GAB模型的注意力权重可视化

上海科技大学生医工学院硕士研究生戴海鑫、博士研究生李雯婧为论文共同第一作者，上海科技大学生医工学院程冰冰教授为通讯作者，上海科技大学为第一完成单位。课题组硕士研究生魏妍、沈澜共同参与了此项研究。上海科技大学高性能计算服务中心平台、医学影像平台对本文提供了技术帮助。

论文链接DOI：https://doi.org/10.1109/TBME.2025.3642073