MétaCan
Menu
Retour à la cohorte
Enregistrement W4413321706 · doi:10.1109/antem64578.2025.11114101

Impact of Antenna Design on Image Quality in Breast Microwave Radar

2025· article· en· W4413321706 sur OpenAlexafffund
Gabrielle Fontaine, Brooke Loewen, Stephen Pistorius

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Imaging and Scattering Analysis
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrowave imagingMicrowaveRadar imagingRadarAntenna (radio)Computer scienceImage qualityElectronic engineeringRemote sensingImage (mathematics)TelecommunicationsComputer visionEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

Limited access to breast cancer screening contributes to late-stage diagnoses in low-income and remote communities. Breast microwave sensing (BMS) systems provide a promising, cost-effective, and portable alternative to traditional screening methods. However, existing BMS systems vary substantially in design, equipment configuration, measurement protocols, and image reconstruction techniques. This work compares three common antenna types used in BMS systems-horn, Vivaldi, and flexible Printed Circuit Board (PCB)-to investigate how antenna design influences image quality. We evaluated spatial resolution, signal-to-noise ratio (SNR), signal-to-clutter ratio (SCR), and image accuracy using a standardized radar reconstruction method. Results show that the Vivaldi antenna achieved the best spatial resolution and highest SNR and SCR among the three despite having a lower gain and larger beamwidth than the horn antenna. These findings suggest that other antenna factors, such as crosssectional area, radiation pattern, and housing design, play an important role in microwave imaging beyond simply antenna gain, return loss and bandwidth. Understanding how these design parameters affect image quality is crucial for developing robust and accurate BMS systems, particularly for deployment in lowincome and remote regions.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil0,480

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,281
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMicrowave Imaging and Scattering AnalysisTravaux en français237 207