卷积深度算子网络用于学习异质脊髓解剖中的非线性聚焦超声波传播

该研究解决了现有聚焦超声（FUS）治疗脊髓损伤中实时决策支持的计算瓶颈问题。论文提出了一种新的卷积深度算子网络（DeepONet），可以快速预测患者脊髓中的FUS压力场，无需进行耗时的仿真。研究表明，该模型实现了仅2%的测试集损失，大幅加速了非线性物理系统在异质领域中的建模过程，为神经外科治疗提供了精准和个性化的解决方案。