编辑推荐：
为解决热疗中温度监测难题，研究人员利用振动声学信号建模，实现约 3°C 误差的温度预测，助力微创热监测。
在医学热疗领域，精准的温度监测至关重要。人体血液和细胞对温度极为敏感，不同温度区间在治疗中发挥着各异的作用。比如，低温（约 33°C）可抑制凝血、改善微循环，降低脑部微血栓形成；42 - 48°C 的高温能造成细胞不可逆损伤，用于细胞杀伤热疗；65 - 75°C 的温度常用于消融疗法；而冷冻疗法则需极低温度（通常低于 - 50°C）来杀死细胞。然而，目前热疗中的温度测量却面临诸多挑战。
传统的测量方法，如通过间质温度传感器测量，额外插入针体属于有创操作；利用 MRI 进行温度监测，虽然可行，但临床操作很少在未准备好治疗应用的放射科套房（MRI 或 CT）中进行，而且所有介入组件需 MRI 兼容，电子设备也要能在强磁场中工作，这大大限制了其应用。此外，很多情况下温度变化只是基于实验室结果模拟，无法准确反映个体组织行为、组织灌注和扩散情况。在体内，组织或多或少都有血液灌注，这会导致组织内部冷却，使得温度模拟困难重重，也凸显了局部温度测量的重要性。所以，开发一种无需专用温度计传感器或外部成像的实时定性温度测量方法迫在眉睫。
为攻克这些难题，来自 AGH 大学计算机科学学院、德国吉森大学等机构的研究人员展开了深入研究。他们探索利用组织 - 工具相互作用产生的振动声学信号来提取温度信息，研究成果发表在《Scientific Reports》上。
在研究中，研究人员使用了一种常规的抽吸针，并在其近端安装了 MEMS 音频传感器。他们选择了一种商用泡沫（Black Cut PUR RG25）作为理想的参考和人工测试组织，这种泡沫含有相对稳定数量的气泡，当针穿过气泡时会产生可检测的振动声学信号。实验在 25 - 55°C、以 5°C 为增量的温度范围内进行，将水饱和的泡沫置于水浴中，让水浴从 55°C 缓慢冷却，同时进行针刺入和记录操作。
研究人员获取了针刺入泡沫过程中的音频信号，这些信号与视频同步录制，用于后续标注针刺入泡沫的各个阶段，如泡沫穿刺时间、向前穿刺运动结束时间、开始拔针时间和针从泡沫中退出时间等。他们对音频信号进行了一系列处理，先通过 20 抽头平均滤波器对整流信号滤波 4 次来检测峰值，去除背景噪声产生的小峰值，再将录制内容切成 100ms 的片段，并进行数据增强，之后将其转换为 Mel 频谱图。
研究人员使用了预训练于 ImageNet 数据集的 18 层 ResNet 卷积神经网络（CNN），并对模型头部进行修改以适应回归任务。模型训练采用五折交叉验证和数据增强技术，使用 AdamW 优化器和余弦退火学习率调度器，训练 70 个 epoch。
最终，研究人员得到了令人振奋的结果。基于峰值数据集训练的模型实现了最佳均方根误差（RMSE）为 3.36°C，平均最佳 RMSE 为 3.4352 ± 0.0597（± 1.74%）。尽管实验中温度存在一定变化，且使用的是标准工具和设备，但这样的结果仍极具前景，为未来在临床应用中实现 ±1°C 的精度目标奠定了基础。
研究人员认为，该研究成果意义重大。这种方法仅需在现有的临床介入设备近端连接一个商用 MEMS 传感器麦克风和一些音频接收器硬件，就能实现温度监测。虽然目前该方法还存在一些问题，如实验装置简单、信号采集受手动操作影响、无法确定信号中与温度表征相关的部分、距离实时应用还有差距等，但它为热疗中的温度监测开辟了新方向。未来，研究人员计划进一步研究更大的网络，优化实验条件，结合其他温度测量方法，以推动该技术在临床中的应用。
