Demonstrating the Utility of a Pipeline for Microwave Breast Image Analysis: A Two-Factor Variation Study
Notice bibliographique
Résumé
Microwave imaging (MWI) is a promising non-invasive technique for breast cancer screening, utilizing differences in tissue dielectric properties to produce images. This study demonstrates the potential of a pipeline that enables quantitative, high-throughput analysis of reconstructed images. Microwave measurements were simulated in the <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$1-5 \text{GHz}$</tex> frequency range using a simplified breast model, which includes a skin layer encasing homogeneous healthy tissue, with a tumor target embedded in the background. An 8 -antenna array was used to simulate data acquisition while the dielectric properties of the background as well as the tumor location were simultaneously and randomly varied. To conduct the simulation, models were constructed in HFSS, and computations were performed on Compute Canada's supercomputer, enabling efficient processing within a short timeframe. Image reconstruction was achieved using the open-source delay-and-sum (DAS) radar-based imaging algorithm MERIT. Metrics such as signal-to-noise ratio (SNR) and location error were applied to evaluate image quality. Preliminary results demonstrate the robustness and accuracy of the pipeline, successfully reconstructing tumors across ten scenarios with varying background permittivity and tumor locations. The findings underscore the importance of accurate tissue property modeling, as adjusting the input permittivity to account for the skin layer significantly improved image quality. Additionally, we highlight the effect of tumor position on reconstruction accuracy. In conclusion, this work provides valuable insights into the evaluation of MWI systems, introducing tools and metrics for testing performance and robustness in unknown scenarios.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».