Highly Accurate Debye Models for Normal and Malignant Breast Tissue Dielectric Properties at Microwave Frequencies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The finite difference time domain (FDTD) method is widely used as a computational tool for development, validation, and optimization of emerging microwave breast cancer detection and treatment techniques. When expressed in terms of Debye parameters, dispersive breast tissue dielectric properties can be efficiently incorporated into FDTD codes. Previously, we experimentally characterized the dielectric properties of a large number of excised normal and malignant breast tissue samples from 0.5 to 20 GHz. We subdivided the large database of normal tissue data into three groups based on the percent adipose tissue present in a particular sample. In addition, we formed a group of all cancer samples that contained at least 30% malignant tissue. We summarized the data using one-pole Cole-Cole models that were rigorously fit to the median dielectric properties of the three normal tissue groups and one malignant tissue group. In this letter, we present computationally simpler one- and two-pole Debye models that retain the high accuracy of the Cole-Cole models. Model parameters are derived for two sets of frequency ranges: the entire measurement frequency range from 0.5 to 20 GHz, and the 3.1-10.6 GHz FCC band allocated for ultrawideband medical applications. The proposed Debye models provide a means for creating computationally efficient FDTD breast models with realistic wideband dielectric properties derived from the largest and most comprehensive experimental study conducted to date on human breast tissue.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle