- 5 次围观
背景：准确模拟光子在人体头部异质组织中的传输，对于个体化经颅光刺激（transcranial light stimulation，tLS）至关重要。然而，高精度蒙特卡罗（Monte Carlo，MC）模拟的计算成本较高，现有通用模拟工具也未提供集成化、面向脑部的工作流程。方法：我们开发了 TLS-Sim 框架，集成了个体特异性头部模型构建、多种光源配置、GPU 加速的 MC 光子模拟、可视化以及颅内剂量学分析。该框架的核心功能是一种深度学习加速的 MC 路径，称为 Flux-to-Flux，其通过配对的低光子数模拟结果估计高光子数模拟下的能量沉积场。我们使用三维变分自编码器（variational autoencoder，VAE）对稀疏和完整的蒙特卡罗场进行编码，并训练三维速度网络，将稀疏场的潜在表示转换为相应完整模拟结果的潜在表示。 结果：我们在一个具有代表性的个体化头部模型上，针对三种光源配置，展示了该端到端工具包及 Flux-to-Flux（F2F）路径的应用。与稀疏模拟相比，所学习得到的预测结果与完整蒙特卡罗参考结果的一致性得到改善，平均信噪比提高约 4 dB，同时表现出更高的结构相似性和更低的平均绝对误差。 结论：TLS-Sim 提供了一个模块化、开放发布的计算框架，用于个体化 tLS 模拟与分析。Flux-to-Flux 路径作为已实现的功能，可在提高空间结果与完整 MC 参考结果一致性的同时，降低高光子数模拟的计算负担；其改善效果在低通量场边界处最为明显，因为这些区域中的稀疏模拟噪声最大。
背景：准确建模光子在人体头部非均质组织中的传输过程，对于个体化经颅光刺激（transcranial light stimulation，tLS）至关重要。然而，高精度蒙特卡洛（Monte Carlo，MC）模拟在计算上可能代价高昂，现有通用模拟工具也无法提供一体化、面向脑部的工作流程。
方法：我们开发了 TLS-Sim，这是一种集成个体特异性头部模型构建、多种光源配置、GPU 加速的 MC 光子模拟、可视化以及颅内剂量学分析的框架。其核心功能是一条经深度学习加速的 MC 路径，称为 Flux-to-Flux，能够根据配对的低光子数模拟结果，估计高光子数模拟下的能量沉积场。我们使用三维变分自编码器（variational autoencoder，VAE）对稀疏和完整的蒙特卡洛场进行编码，并训练三维速度网络，将稀疏场的潜在表示转换为对应的完整模拟表示。
结果：我们在一个具有代表性的个体化头部模型上，针对三种光源配置，展示了该端到端工具包及 Flux-to-Flux（F2F）路径。与稀疏模拟相比，所学习得到的预测结果与完整蒙特卡洛参考结果之间的一致性平均提高了约 4 dB（以信噪比计），同时具有更高的结构相似性和更低的平均绝对误差。
结论：TLS-Sim 提供了一个模块化、开放发布的计算框架，用于个体化 tLS 模拟与分析。Flux-to-Flux 路径作为一项已实现的功能，在提高与完整 MC 参考结果的空间一致性的同时，降低了高光子数模拟的计算负担；这种改进在低通量场边界处最为显著，因为稀疏模拟在这些区域中的噪声最大。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.09.749356v1?rss=1
🏷️ 经颅光刺激 蒙特卡罗光子模拟 深度学习加速 个体化头部建模 剂量学分析