分数阶生物热模型提升热疗中组织响应预测精度

本文提出基于分数阶微积分的Pennes生物热传递改进模型，通过离体组织热参数测量与激光加热实验验证，证明该模型能更准确预测热消融过程中的温度演化（MAE/RMSE显著降低），为个体化肿瘤热疗规划提供了创新建模框架。

　　

Highlight

结果

作为复杂且异质的介质，生物皮肤由无数层次组成，每个层次都具有独特的热学和血流特性。这种物理结构的详细呈现需要应用数值技术。

讨论

近期诊断和治疗医学技术的进步凸显了精确生物热传递模型对于优化设备设计和治疗结果的迫切需求。生物组织表现出异质性且通常各向异性的热特性，这使得预测热疗期间的温度演化变得复杂。经典的Pennes模型虽然被广泛使用，但假设了瞬时热传播，未能解释生物系统中固有的非局部和记忆依赖动力学。我们的分数阶方法通过引入分数阶参数（α）来捕捉这些效应，从而在模拟受控激光加热实验时显示出卓越的预测准确性。敏感性分析进一步表明，α控制着热渗透的节奏和预测热区的范围，为治疗规划提供了宝贵的调整参数。

结论

在本研究中，我们利用离体肾脏、肝脏和心脏组织开发并验证了Pennes生物热方程的分数阶扩展。通过将测量的热特性与一维和二维模拟及热成像验证相结合，分数阶模型 consistently 优于经典公式，实现了更低的平均绝对误差（MAE）和均方根误差（RMSE），并与实验动力学具有更好的一致性。

我们的研究结果证实了分数阶建模在生物热传递中的理论优势和实践价值，特别是在考虑组织异质性和记忆效应的热疗应用中。该模型为增强临床热疗精度提供了有前景的途径。