ترجمه فارسی مقاله نقشه راهی برای رویکردهای اولتراسوند متمرکز هولوگرافیک برای تولید الگوهای حرارتی

• کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
  مشاهده نمونه نسخه نکات ساده
• کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
  مشاهده نمونه نسخه نکات رسمی
• کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
  — هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
  مشاهده نمونه نسخه پرسش و پاسخ
• کتاب پرسش و پاسخ چهارگزینه‌ای – نسخه یادگیری سریع
  — پاسخ‌ها بلافاصله بعد از سؤال برای مرور سریع
  مشاهده نمونه نسخه کوییز سریع
• کتاب پرسش و پاسخ چهارگزینه‌ای – نسخه خودآزمایی
  — پاسخ‌ها در انتهای بخش‌ها برای سنجش واقعی یادگیری
  مشاهده نمونه نسخه آزمونی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

چکیده

In therapeutic focused ultrasound (FUS), such as thermal ablation and hyperthermia, effective acousto-thermal manipulation requires precise targeting of complex geometries, sound wave propagation through irregular structures and selective focusing at specific depths. Acoustic holographic lenses (AHLs) provide a distinctive capability to shape acoustic fields into precise, complex and multifocal FUS-thermal patterns. Acknowledging the under-explored potential of AHLs in shaping ultrasound-induced heating, this study introduces a roadmap for acousto-thermal modeling in the design of AHLs. Three primary modeling approaches are studied and contrasted using four distinct shape groups for the imposed target field. They include pressure-based (BSC-TR and ITER-TR), temperature-based (IHTO-TR), and machine learning (ML)-based (GaN and Feat-GAN) methods. New metrics including image quality, thermal efficiency, control, and computational time are introduced. The importance of evaluating target pattern complexity, thermal and pressure requirements, and computational resources is highlighted for selecting the appropriate methods. For lightly heterogeneous media and targets with lower pattern complexity, BSC-TR combined with error diffusion algorithms provides an effective solution. As pattern complexity increases, ITER-TR becomes more suitable, enabling optimization through iterative forward and backward propagations controlled by different error metrics. IHTO-TR is recommended for highly heterogeneous media, particularly in applications requiring thermal control and precise heat deposition. GaN is ideal for rapid solutions that account for acousto-thermal effects, especially when model parameters and boundary conditions remain constant. In contrast, Feat-GaN is effective for moderately complex shape groups and applications where model parameters must be adjusted.

چکیده به فارسی (ترجمه ماشینی)