توضیحات
ترجمه آماده -Neural network methodology for real-time modelling of bio-heat transfer during thermo-therapeutic applications
Neural network methodology for real-time modelling of bio-heat transfer during thermo therapeutic applications
روش شبکه عصبی برای مدل سازی در زمان واقعی انتقال حرارت بیولوژیکی در خلال برنامه های کاربردی حرارت درمانی
Real-time simulation of bio-heat transfer can improve surgical feedback in thermo-therapeutic treatment, leading to technical innovations to surgical process and improvements to patient outcomes; however, it is challenging to achieve real-time computational performance by conventional methods. This paper presents a cellular neural network (CNN) methodology for fast and real-time modelling of bio-heat transfer with medical applications in thermo-therapeutic treatment. It formulates nonlinear dynamics of the bio-heat transfer process and spatially discretised bio-heat transfer equation as the nonlinear neural dynamics and local neural connectivity of CNN, respectively. The proposed CNN methodology considers three-dimensional (3-D) volumetric bio-heat transfer behaviour in tissue and applies the concept of control volumes for discretisation of the Pennes bio-heat transfer equation on 3-D irregular grids, leading to novel neural network models embedded with bioheat transfer mechanism for computation of tissue temperature and associated thermal dose. Simulations and comparative analyses demonstrate that the proposed CNN models can achieve good agreement with the commercial finite element analysis package, ABAQUS/CAE, in numerical accuracy and reduce computation time by ۳۰۴ and 772.86 times compared to those of with and without ABAQUS parallel execution, far exceeding the computational performance of the commercial finite element codes. The medical application is demonstrated using a high-intensity focused ultrasound (HIFU)-based thermal ablation of hepatic cancer for prediction of tissue temperature and estimation of thermal dose.
شبیه سازی در زمان واقعی انتقال حرارت بیولوژیکی می تواند بازخورد جراحی را در حرارت درمانی بهبود بخشد ، و منجر به نوآوری های فنی در روند جراحی و بهبود نتایج بیمار شود. با این حال ، دستیابی به عملکرد محاسباتی در زمان واقعی با روشهای معمولی چالش برانگیز است. در این مقاله یک روش عصبی سلولی (CNN) برای مدل سازی سریع و واقعی در زمان انتقال حرارت زیستی با کاربردهای پزشکی در حرارت درمانی ارائه شده است. این زوش پویایی غیرخطی فرآیند انتقال حرارت زیستی فرموله کرده و معادله انتقال گرمازدایی فضایی را به عنوان پویایی عصبی غیرخطی و اتصال عصبی محلی CNN به ترتیب تبیین می کند. روش پیشنهادی CNN رفتار انتقال حرارت زیستی حجمی سه بعدی (۳-D) را در نظر می گیرد و مفهوم حجم کنترل را برای تفسیر معادله انتقال حرارت زیستی Pennes در شبکه های نامنظم ۳ بعدی اعمال می کند ، و منجر به مدل های جدید شبکه عصبی تعبیه شده با مکانیسم انتقال حرارت زیستی برای محاسبه دمای بافت و دوز حرارتی مرتبط می شود. شبیه سازی ها و تجزیه و تحلیل های مقایسه ای نشان می دهد که مدل های CNN پیشنهادی می توانند با دقت و تحلیل عدد عنصر محدود تجاری ، ABAQUS / CAE ، با دقت عددی به توافق خوبی برسند و زمان محاسبه را با ۳۰۴ و ۷۷۲.۸۶ بار در مقایسه با آنها و بدون اجرای موازی ABAQUS ، به مراتب بیش از عملکرد محاسباتی کدهای عنصر محدود تجاری کاهش میدهد . کاربرد پزشکی با استفاده از امواج فراصوت متمرکز با شدت بالا (HIFU) مبتنی بر ریشه کنی سرطان کبد برای پیش بینی دمای بافت و تخمین دوز حرارتی انجام می شود.
دوست عزیزم چنانچه برای دانلود ترجمه آماده -Neural network methodology for real-time با مشکلی مواجه شدید با شماره ۰۹۳۵۷۲۵۸۴۲۵ یا ایمیل info@pajuha.ir ارتباط برقرار کنید.
ترجمه آماده -Classic Sinus Surgery
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.