通过异构物理约束实现多功能声学全息图的端到端设计

《Ultrasonics》：End-to-end design of multi-functional acoustic holograms via heterogeneous physics constraints

声学全息图通过物理约束深度学习框架实现高效三维声场调控，解决传统相位设计方法中理论预测与物理实现间的性能差距。该框架通过直接优化三维结构厚度分布，结合复杂介质声波传播模型和内部非局域耦合效应的微分物理模型，显著提升PSNR达6dB，恢复16%的图案相关度。实验验证了单块全息图实现多轴向平面聚焦与频率动态切换的能力，并成功应用于实时可调热疗模式，为生物医学超声治疗提供新范式。

　　本文提出了一种全新的深度学习框架，旨在解决声学全息图设计中的关键问题。声学全息图能够实现对声场的三维精确控制，因此在非侵入性治疗和无接触操控等领域展现出巨大的应用潜力。然而，传统的相位只设计方法存在理论预测与物理实现之间的显著差距，特别是在构建多功能设备时。这些方法通常设计理想化的相位图，忽略了全息结构内部复杂的波物理现象，以及异质生物组织对声波的畸变效应。为了解决这一问题，本文引入了端到端异质物理约束（E2E-HPC）框架，这是一种深度学习范式，通过直接设计物理全息结构来弥合这一差距。

E2E-HPC框架的核心在于其对声学全息图内部复杂声学响应和波传播通过复杂介质（如头骨）的准确建模。传统的相位设计方法通常假设相位在结构的每个单元中线性且独立地积累，这种简化假设忽略了全息图中非局部耦合等复杂波动态学。因此，这种设计方法导致了“设计到现实”的鸿沟，使得实际制造的设备性能与模拟结果存在显著差异。为了解决这一问题，本文提出了一种新的设计方法，即从生成理想化的相位图转向直接设计全息图的厚度图，厚度图能够准确表示声学全息图三维结构中的厚度分布，从而实现对复杂声学相互作用的更精确建模。

为了实现这一目标，E2E-HPC框架整合了两个协同设计的、可微分的物理模型：第一是复杂加权物理代理网络（CPSNet），它能够准确捕捉全息图的复杂三维响应，包括非局部耦合；第二是可微分声学传播器，它能够精确模拟波前在复杂结构（如人类头骨）中的畸变。这两个模型共同作用，以实现从理论设计到物理实现的无缝过渡。具体而言，E2E-HPC框架在多个性能指标上显著优于传统的相位只设计方法。该框架在峰值信噪比（PSNR）上实现了超过6 dB的提升，并恢复了由于过度简化物理假设导致的约16%的模式相关性损失。通过模拟和物理实验，我们验证了该框架在复杂跨颅声学场景中的鲁棒场控制能力。此外，我们还通过一个能够同时实现高保真多平面聚焦和频率调制控制的单个被动全息图，验证了该框架的可扩展性和多功能设计能力。作为实际应用的证明，我们将这种精确的声学控制转化为动态热模式控制，展示了形状热模式的实时切换，突显了该框架在先进治疗应用中的潜力。

本文的研究结果为声学全息图的设计提供了一个坚实的基础平台，使物理实现的、多功能的声学全息图能够应用于具有挑战性的生物医学领域。通过引入E2E-HPC框架，我们不仅解决了传统方法中存在的一些根本性问题，还为声学全息图的进一步发展开辟了新的可能性。这一框架的引入标志着声学全息图设计方法从抽象的相位图向物理结构的直接设计的转变，从而实现更精确、更可靠的声场控制。

声学全息图的设计方法在近年来取得了显著进展，尤其是在深度学习技术的推动下。光学全息图已经通过深度学习技术实现了从缓慢的迭代算法（如Gerchberg-Saxton）向数据驱动模型的转变，极大地提高了其速度和效率。然而，光学和声学领域在物理特性和设计方法上存在本质差异。光学全息图的元件通常是薄而平面的，而声学全息图则需要考虑声波在三维空间中的传播和相互作用。因此，传统的光学设计方法并不适用于声学全息图的设计，这导致了“设计到现实”的鸿沟。为了克服这一问题，本文提出了E2E-HPC框架，通过将深度学习与物理建模相结合，实现了对声学全息图的精确设计。

在设计过程中，E2E-HPC框架首先通过复杂加权物理代理网络（CPSNet）对全息图的内部三维声学响应进行建模。CPSNet能够捕捉全息图中非局部耦合等复杂现象，从而实现对声场的精确控制。随后，该框架通过可微分声学传导器对声波在复杂介质中的传播进行建模，从而实现对波前畸变的精确模拟。这两个模型的结合，使得E2E-HPC框架能够在设计过程中全面考虑声学全息图的物理特性，从而实现更精确的声场控制。此外，该框架还能够实现多目标设计，即在单一全息图中同时实现高保真多平面聚焦和动态模式切换，这在传统的相位只设计方法中是难以实现的。

在实际应用中，E2E-HPC框架展示了其在跨颅声学场景中的强大能力。跨颅聚焦超声（tFUS）是一种重要的非侵入性治疗方法，它要求声波能够穿透复杂的异质介质（如头骨），并保持良好的聚焦效果。然而，头骨等异质介质会对声波的相位和振幅产生严重的畸变，从而影响治疗效果和安全性。传统的物理传播方法（如角谱法）虽然能够模拟声波在均匀介质中的传播，但无法处理异质介质中的复杂现象。因此，这些方法在跨颅场景中的应用受到严重限制。为了解决这一问题，本文引入了E2E-HPC框架，通过将深度学习与物理建模相结合，实现了对异质介质中声波传播的精确模拟，从而提高了治疗效果和安全性。

在实验验证方面，本文通过一系列数值模拟和物理实验，展示了E2E-HPC框架在不同声学全息图场景中的性能和可扩展性。这些实验评估了：（i）在均匀介质中的基础重建精度与传统相位只设计方法的比较；（ii）CPSNet在近场声学预测中的贡献；（iii）在异质介质中的鲁棒场控制能力，例如跨颅场景中的应用。实验结果表明，E2E-HPC框架在多个性能指标上显著优于传统方法，包括PSNR和模式相关性。此外，该框架还展示了其在多功能设计方面的潜力，例如通过频率调制实现动态模式切换，这在传统的相位只设计方法中是难以实现的。

本文的研究不仅为声学全息图的设计提供了一个新的范式，还为生物医学应用开辟了新的可能性。通过将深度学习与物理建模相结合，E2E-HPC框架能够实现对复杂声学相互作用的精确控制，从而提高治疗效果和安全性。此外，该框架还展示了其在跨颅场景中的强大能力，为非侵入性治疗提供了新的解决方案。这些结果表明，E2E-HPC框架不仅能够解决传统方法中的根本性问题，还能够为声学全息图的进一步发展提供坚实的基础。

在生物医学应用中，声学全息图的精确控制对于治疗效果和安全性至关重要。传统的相位只设计方法由于忽略复杂的波物理现象，导致了实际应用中的性能限制。而E2E-HPC框架通过直接设计物理结构，能够更准确地模拟声波在异质介质中的传播，从而提高治疗效果和安全性。此外，该框架还展示了其在多功能设计方面的潜力，例如通过频率调制实现动态模式切换，这在传统的相位只设计方法中是难以实现的。这些结果不仅验证了E2E-HPC框架的有效性，还为声学全息图在生物医学领域的应用提供了新的可能性。

本文的研究结果表明，E2E-HPC框架在多个方面都具有显著优势。首先，它能够实现对复杂声学相互作用的精确控制，从而提高声场的保真度。其次，该框架能够在异质介质中实现鲁棒的场控制，这对于跨颅治疗等应用至关重要。此外，该框架还展示了其在多功能设计方面的潜力，例如通过频率调制实现动态模式切换，这在传统的相位只设计方法中是难以实现的。最后，该框架还能够实现对异质介质中声波传播的精确模拟，从而提高治疗效果和安全性。这些结果不仅验证了E2E-HPC框架的有效性，还为声学全息图在生物医学领域的应用提供了新的可能性。

E2E-HPC框架的引入标志着声学全息图设计方法从抽象的相位图向物理结构的直接设计的转变。这一转变不仅提高了声场的保真度，还增强了声学全息图在复杂生物医学场景中的应用能力。通过将深度学习与物理建模相结合，E2E-HPC框架能够实现对声学全息图内部复杂声学响应和外部传播的精确模拟，从而克服传统方法中的根本性问题。此外，该框架还展示了其在多目标设计方面的潜力，例如通过频率调制实现动态模式切换，这在传统的相位只设计方法中是难以实现的。这些结果不仅验证了E2E-HPC框架的有效性，还为声学全息图在生物医学领域的应用提供了新的可能性。

在跨颅治疗等应用中，声学全息图的精确控制对于治疗效果和安全性至关重要。传统的相位只设计方法由于忽略复杂的波物理现象，导致了实际应用中的性能限制。而E2E-HPC框架通过直接设计物理结构，能够更准确地模拟声波在异质介质中的传播，从而提高治疗效果和安全性。此外，该框架还展示了其在多功能设计方面的潜力，例如通过频率调制实现动态模式切换，这在传统的相位只设计方法中是难以实现的。这些结果不仅验证了E2E-HPC框架的有效性，还为声学全息图在生物医学领域的应用提供了新的可能性。

E2E-HPC框架的引入不仅解决了传统方法中存在的一些根本性问题，还为声学全息图的进一步发展开辟了新的可能性。通过将深度学习与物理建模相结合，该框架能够实现对复杂声学相互作用的精确控制，从而提高声场的保真度。此外，该框架还展示了其在异质介质中的鲁棒场控制能力，这对于跨颅治疗等应用至关重要。最后，该框架还能够实现对异质介质中声波传播的精确模拟，从而提高治疗效果和安全性。这些结果表明，E2E-HPC框架不仅能够解决传统方法中的根本性问题，还能够为声学全息图在生物医学领域的应用提供坚实的基础。