Regional estimation of the dielectric properties of inhomogeneous objects using near-field reflection data
Notice bibliographique
Résumé
We present a new inversion strategy that integrates radar-based methods with microwave tomography (MT) to efficiently provide low resolution information about an object's structure and average dielectric properties. For this preliminary investigation, we assume that the object may be characterized as having three regions: a thin outer layer and an interior with two inhomogeneous regions having dissimilar average dielectric properties. Our aim is not to reconstruct a detailed image of an object, but rather to provide information about its basic structure, including the geometric and mean dielectric properties of regions predominantly composed of a given material. The inversion technique is carried out in two steps. First, a reconstruction model indicating the locations and spatial features of the three regions of interest is constructed efficiently and quickly using ultrawideband (UWB) reflection data. The reconstruction model formed using radar-based techniques is then incorporated into the second step of the procedure which estimates the mean dielectric properties over each region using MT methods. Identifying the three homogeneous regions with radar-based techniques provides a priori information about an object's internal geometry and significantly simplifies the parameter space structure so that the inverse scattering problem solved with MT is not as ill-posed as those typically encountered. The performance of the proposed technique is first evaluated with both reflection and transmission data generated by progressively more complex 2D numerical models. Microwave breast imaging approaches would benefit from the internal structural information extracted by the algorithm, so a practical application is explored using 2D breast models formed from the magnetic resonance (MR) scans of a patient study. The algorithm's ability to infer the breast's basic internal structure is demonstrated with these examples.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».