DGIST电气工程与计算机科学系Hwang Jae-yoon教授的团队开发了一种基于深度学习的超声全息图生成框架技术，可以根据全息图实时自由配置聚焦超声的形式。有望在未来作为一项基础技术应用于需要精准的脑刺激和治疗领域。

超声波是一种安全的技术，甚至用于产前检查。由于它无需手术即可刺激深层区域，因此最近研究了用于脑刺激和治疗的超声波方法。先前的研究发现，超声波脑刺激可以帮助治疗阿尔茨海默病、抑郁症和疼痛等疾病。

但问题在于，由于现有技术将超声波聚焦成单个小点或大圆圈进行刺激，因此难以选择性地刺激多个区域同时相互作用的大脑相关区域。为了解决这个问题，已经提出了一种能够利用全息图原理将超声波自由聚焦在所需区域的技术，但存在诸如精度低和生成全息图的计算时间长等局限性。

DGIST Hwang Jae-yoon 教授的团队提出了一种基于深度学习的学习框架，可以通过学习生成超声全息图来体现实时自由和准确的超声聚焦，以克服局限性。结果，Hwang 教授的团队证明，可以在接近实时的全息图创建时间内更准确地将超声波聚焦成所需的形式，并且比现有的超声波全息图生成算法方法快 400 倍。

研究团队提出的基于深度学习的学习框架通过自我监督学习来学习生成超声波全息图。自监督学习是一种通过对没有答案的数据自行寻找规律来学习寻找答案的方法。研究团队提出了一种学习生成超声波全息图的方法论、一种针对超声波全息图生成优化的深度学习网络和一种新的损失函数，同时通过模拟和实际实验证明了每个组件的有效性和卓越性。

DGIST 电气工程与计算机科学系 Hwang Jae-yoon 教授说：“我们将深度学习技术应用于最近提出的超声波全息图。结果，我们开发了一种可以自由、快速、准确地生成和改变超声波形式的技术beams”，并补充说，“我们希望这项研究的结果能够应用于患者特异性的精准脑刺激技术和通用超声领域(超声成像、热疗等)。”