TFUScapes

TFUScapes数据集是一个大型高分辨率数据集，包含通过解剖学上真实的人类颅骨进行的经颅聚焦超声（tFUS）模拟。数据集由T1加权MRI图像生成，包含了2,500次模拟，覆盖了125个个体，每个个体有20个换能器放置位置。这些模拟使用k-Wave伪谱求解器生成，能够提供毫米级的空间精度，并能针对深部脑结构进行靶向治疗。数据集的创建过程包括将T1加权MRI扫描转换为伪CT体积，并构建模拟配置文件，然后使用GPU加速的k-Wave模拟来生成数据集。该数据集旨在加速计算声学、神经技术和深度学习领域的研究，促进非侵入性脑刺激和治疗的进一步发展。The TFUScapes dataset is a large-scale high-resolution collection comprising transcranial focused ultrasound (tFUS) simulations performed on anatomically realistic human skulls. Generated from T1-weighted MRI images, the dataset contains 2,500 simulations spanning 125 distinct individuals, with 20 transducer placement positions per individual. These simulations are generated using the k-Wave pseudo-spectral solver, which delivers millimeter-level spatial precision and enables targeted therapy for deep brain structures. The dataset creation process involves converting T1-weighted MRI scans into pseudo-CT volumes, constructing simulation configuration profiles, and generating the dataset via GPU-accelerated k-Wave simulations. This dataset is designed to accelerate research in computational acoustics, neurotechnology, and deep learning, and foster further advancements in non-invasive brain stimulation and therapeutic applications.

搜集汇总

数据集介绍

构建方式

TFUScapes数据集的构建采用了基于k-Wave伪谱求解器的可扩展仿真引擎流程。通过从T1加权MRI图像中提取解剖学上真实的头骨模型，每个仿真均模拟了聚焦超声换能器在真实头皮位置产生的稳态压力场。具体而言，数据集包含125名受试者的2500次仿真，每名受试者对应20个不同的换能器位置，频率设定为500 kHz。仿真过程中，利用YAML配置文件详细定义了受试者特异性组织声学参数（如密度、声速和吸收功率定律系数）以及换能器参数（如位置、方向、焦距和孔径）。

使用方法

TFUScapes数据集的使用主要围绕深度学习模型的训练和验证展开。研究人员可通过加载压缩的.npz文件获取裁剪后的伪CT体积、压力图和换能器几何坐标。典型应用流程包括：1) 使用伪CT体积作为输入，结合换能器坐标预测3D压力场分布；2) 采用加权损失函数（如空间加权MSE和梯度敏感损失）优化模型，重点捕捉高压区域特征；3) 评估模型性能时，建议使用相对L2误差、焦点位置误差和最大压力误差等指标。数据集还可用于验证传统数值求解器的加速方法，或开发新型的声学场校正算法。

背景与挑战

背景概述

TFUScapes数据集由法国斯特拉斯堡大学的研究团队于2025年创建，旨在推动经颅聚焦超声（tFUS）技术在神经调控和治疗领域的数据驱动研究。该数据集基于125名受试者的T1加权MRI图像，通过k-Wave伪谱求解器生成了大规模、高分辨率的3D超声模拟数据，包含2500组具有解剖学真实性的颅骨声学传播仿真。作为首个公开的物理建模与真实神经解剖结合的tFUS仿真数据集，TFUScapes填补了计算声学与深度学习交叉领域的研究空白，为开发快速、精准的超声靶向治疗规划算法提供了重要基准。

当前挑战

该数据集主要解决经颅超声传播中颅骨异质性导致的波前畸变问题，其核心挑战在于：1) 领域建模方面，需克服颅骨多层结构声学参数的空间变异性和个体差异性对波场预测精度的影响；2) 数据构建过程中，面临GPU加速仿真时网格离散化稳定性与计算效率的平衡难题，以及从MRI生成伪CT时骨密度映射的准确性验证。此外，数据标注需处理稳态压力场中毫米级焦点定位与兆帕级压力幅值的多尺度特征捕获。

常用场景

经典使用场景

TFUScapes数据集在计算声学和神经技术领域具有广泛的应用，特别是在模拟经颅聚焦超声（tFUS）传播方面。该数据集通过高分辨率的3D模拟数据，为研究者提供了详细的声压场分布信息，使其成为优化超声聚焦和能量传递的重要工具。经典使用场景包括研究超声在复杂颅骨结构中的传播特性，以及验证新型超声治疗方案的可行性。

解决学术问题

TFUScapes数据集解决了传统数值模拟方法在计算效率和精度上的局限性。通过提供大规模、高质量的模拟数据，该数据集支持数据驱动方法的发展，显著加速了声场估计和校正过程。其意义在于为计算声学和神经技术领域的研究提供了标准化基准，推动了高精度超声治疗方案的开发。

实际应用

在实际应用中，TFUScapes数据集被用于优化经颅聚焦超声的治疗规划。例如，在神经调控和肿瘤消融等临床场景中，该数据集帮助研究者快速预测声压场分布，从而减少传统模拟所需的时间。此外，数据集还支持开发实时治疗规划工具，提升临床操作的效率和安全性。

数据集最近研究

最新研究方向

随着非侵入性脑刺激技术的快速发展，TFUScapes数据集的推出为跨颅聚焦超声（tFUS）领域注入了新的研究活力。该数据集通过整合高分辨率仿真数据与深度学习模型DeepTFUS，显著提升了声场预测的精度与效率，为神经调控和治疗干预提供了强有力的工具。前沿研究聚焦于如何进一步优化声学传播模型，以应对颅骨异质性和各向异性带来的挑战。与此同时，结合多模态影像数据和实时计算技术，探索个性化治疗方案的智能化设计成为热点方向。TFUScapes的开放共享不仅加速了计算声学与神经技术的交叉融合，也为超声神经调控的临床转化奠定了坚实基础。

相关研究论文

• A Skull-Adaptive Framework for AI-Based 3D Transcranial Focused Ultrasound Simulation

  法国斯特拉斯堡大学、法国国家科学研究中心、法国国家卫生与医学研究院、ICube UMR7357、斯特拉斯堡IHU、法国Pessac图像引导治疗公司 · 2025年