.
DGIST (Presidente: Kuk Yang) Departamento de Engenharia Elétrica e Ciência da Computação A equipe do professor Hwang Jae-yoon desenvolveu uma tecnologia de ‘estrutura de geração de holograma de ultrassom baseada em aprendizado profundo’ que pode configurar livremente a forma de ultrassom focalizado em tempo real com base em hologramas. Espera-se que seja usado como uma tecnologia básica no campo da estimulação cerebral e tratamento que requer precisão no futuro.
O ultrassom é uma tecnologia segura, inclusive para exames pré-natais. Uma vez que pode estimular áreas profundas sem cirurgia, os métodos de ultrassom para estimulação cerebral e tratamento foram recentemente estudados, e os resultados de que a estimulação cerebral por ultrassom realmente melhorou doenças, como doença de Alzheimer, depressão e dor, foram publicados.
No entanto, o problema é que é difícil estimular seletivamente áreas relacionadas do cérebro nas quais várias áreas interagem entre si ao mesmo tempo porque a tecnologia atual concentra o ultrassom em um único ponto pequeno ou em um grande círculo para estimulação. Para resolver esse problema, foi proposta uma tecnologia capaz de focalizar livremente o ultrassom em uma área desejada usando o princípio do holograma, mas apresenta limitações, como baixa precisão e longo tempo de cálculo para gerar um holograma.
A equipe do professor Hwang Jae-yoon do DGIST propôs uma estrutura de aprendizagem baseada em aprendizado profundo que pode incorporar foco de ultrassom gratuito e preciso em tempo real, aprendendo a gerar hologramas de ultrassom para superar as limitações. Como resultado, a equipe do professor Hwang demonstrou que era possível focalizar o ultrassom na forma desejada com mais precisão em um tempo de criação de holograma próximo ao tempo real e, no máximo, 400 vezes mais rápido do que o método de algoritmo de geração de holograma de ultrassom existente.
A estrutura de aprendizagem baseada em aprendizagem profunda proposta pela equipe de pesquisa aprende a gerar hologramas ultrassônicos por meio da aprendizagem auto-supervisionada. O aprendizado autossupervisionado é um método de aprendizado para encontrar a resposta, encontrando uma regra por conta própria para dados sem resposta. A equipe de pesquisa propôs uma metodologia para aprender a gerar hologramas ultrassônicos, uma rede de aprendizado profundo otimizada para geração de hologramas ultrassônicos e uma nova função de perda, ao mesmo tempo em que comprovava a validade e a excelência de cada componente por meio de simulações e experimentos reais.
O professor do Departamento de Engenharia Elétrica e Ciência da Computação do DGIST, Hwang Jae-yoon, disse: “Aplicamos a tecnologia de aprendizado profundo aos hologramas de ultrassom propostos há relativamente pouco tempo. Como resultado, desenvolvemos uma tecnologia que pode gerar e alterar a forma de ultrassom de forma livre, rápida e precisa. feixes”, e acrescentou: “Esperamos que os resultados desta pesquisa sejam usados em tecnologia de estimulação cerebral de precisão específica do paciente e campos gerais de ultrassom (imagens de ultrassom, terapia térmica, etc.)”.
Enquanto isso, esta pesquisa foi realizada com o Ministério da Ciência e o Programa de Apoio aos Quatro Grandes Institutos de Ciência e Tecnologia do ICT. Pesquisador Lee Moon-hwan do Centro de Pesquisa em Engenharia de Informação e Comunicação DGIST, Ph.D. os alunos Ryu Ha-min e Yoon Sang-yeon do Departamento de Engenharia Elétrica e Ciência da Computação e a equipe do professor Kim Tae do GIST. Os resultados da pesquisa foram publicados como artigo de capa na edição de dezembro da Transações IEEE em Ultrassom, Ferroelétrico e Controle de Frequênciauma revista acadêmica internacional na área relacionada.
.
