TECHNIQUES OF MEASURING BRAIN INTRACRANIAL PRESSURE, INTRACRANIAL ELASTANCE, AND ARTERIAL BLOOD PRESSURE

Described herein are techniques for non-invasively measuring intracranial ICP in a subject's brain. Some embodiments use a physics guided machine learning model to determine measurements of various metrics (e.g., ICP, ABP, and/or ICE) of a subject's brain. The structure of the physics guided machine learning model may be based on a model of the brain (e.g., a hemodynamic or elastic model of the brain). The physics guided machine learning model may include various machine learning models (e.g., neural networks) representing different aspects of the brain's fluid dynamics and/or mechanics. The techniques may use acoustic measurement data (e.g., obtained using ultrasound) in conjunction with other information to generate inputs for the physics guided machine learning model. The inputs may be used to measurements of a metric for the subject's brain. Sont décrites des techniques de mesure non invasive de la PIC intracrânienne dans le cerveau d'un sujet. Certains modes de réalisation utilisent un modèle d'apprentissage machine guidé par la physique pour déterminer des mesures de divers paramètres (par exemple, la PIC, la PA et/ou l'ICE) du cerveau d'un sujet. La structure du modèle d'apprentissage machine guidé par la physique peut être basée sur un modèle du cerveau (par exemple, un modèle hémodynamique ou élastique du cerveau). Le modèle d'apprentissage machine guidé par la physique peut comprendre divers modèles d'apprentissage machine (par exemple, des réseaux neuronaux) représentant différents aspects de la dynamique et/ou de la mécanique des fluides du cerveau. Les techniques peuvent utiliser des données de mesure acoustique (par exemple, obtenues à l'aide d'ultrasons) conjointement avec d'autres informations pour générer des entrées pour le modèle d'apprentissage machine guidé par la physique. Les entrées peuvent être utilisées pour effectuer des mesures d'un paramètre pour le cerveau du sujet.