Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Methodenartikel

Klinische beeldvorming van microgolfmammografie

704 weergaven

DOI:

10.3791/69288

14 november 2025

In dit artikel

Samenvatting

Dit protocol beschrijft de beeldvormingsprocedure van een microgolfbeeldvormingsapparaat voor beeldvorming van de borst.

Samenvatting

Borstkanker is de meest voorkomende maligniteit bij vrouwen, en vroege opsporing en behandeling zijn van cruciaal belang voor het verbeteren van de klinische resultaten. Röntgenmammografie blijft de standaard screeningsmodaliteit; Het heeft echter verschillende beperkingen, waaronder blootstelling aan straling, ongemak voor de patiënt en verminderde gevoeligheid bij vrouwen met dicht borstweefsel. Microgolfbeeldvorming, een niet-ioniserende techniek, is naar voren gekomen als een veelbelovend alternatief. We hebben een apparaat ontwikkeld dat borstweefselstructuren reconstrueert door het probleem van inverse verstrooiing op te lossen en dat momenteel klinische proeven ondergaat. Dit systeem genereert driedimensionale tomografische beelden zonder het gebruik van contrastmiddelen en zonder pijn te veroorzaken tijdens het onderzoek. Tot op heden zijn 24 borstkankerpatiënten in beeld gebracht, met een nauwkeurigheid van 86% voor tumoren ≥ 1 cm in diameter, en 58% wanneer tumoren < 1 cm worden meegerekend. In dit artikel presenteren we een gedetailleerd protocol voor de voorbereiding van het apparaat, klinische beeldvorming en gegevensverwerking, samen met representatieve beeldvormingsresultaten van geselecteerde patiënten.

Inleiding

Borstkanker is de meest voorkomende maligniteit bij vrouwen, met ongeveer 95.000 nieuwe gevallen die jaarlijks in Japan worden gediagnosticeerd1. Vroege opsporing en behandeling zijn essentieel voor het verbeteren van de patiëntresultaten.

Röntgenmammografie is momenteel het standaard screeningsinstrument. De gevoeligheid is echter beperkt bij vrouwen met dicht borstweefsel, waardoor het opsporen van kleine tumoren moeilijk is2. Om deze beperking aan te pakken, wordt echografie vaak gebruikt als aanvullende diagnostische methode. Echografie vereist een hoog niveau van vaardigheid van de operator en de diagnostische nauwkeurigheid van mammografie of echografie alleen al is ongeveer 60%. Contrastversterkte magnetische resonantiebeeldvorming (MRI) bereikt een nauwkeurigheid van meer dan 90%; desalniettemin is MRI vanwege de hoge apparatuur- en onderzoekskosten niet geschikt voor routinematige screening en wordt het voornamelijk gereserveerd voor chirurgische besluitvorming en behandelplanning3.

Onlangs heeft microgolfbeeldvorming steeds meer aandacht getrokken als een potentieel alternatief dat in staat is om de beperkingen van mammografie en echografie te overwinnen4. Wanneer microgolfstraling interageert met biologisch weefsel, treden sterke reflecties op bij diëlektrische grenzen. De reflectiviteit is meer dan een orde van grootte hoger dan die van röntgenstralen of echografie, waardoor kleine laesies kunnen worden opgespoord. Onderzoek naar de opsporing van borstkanker met behulp van microgolfbeeldvorming is al meer dan 25 jaar aan de gang, waarbij verschillende klinische onderzoeken zijn gerapporteerd5.

Microgolfbeeldvorming kan grofweg worden ingedeeld in twee categorieën: confocale beeldvorming, die de verdeling van verstrooid vermogen reconstrueert, en verstrooiingstomografie, die de verdeling van complexe permittiviteit (diëlektrische constante en elektrische geleidbaarheid) reconstrueert6,7. Confocale beeldvorming is conceptueel vergelijkbaar met ultrasone diagnostiek; Door meerdere reflecties in weefsel kunnen interne structuren echter niet nauwkeurig worden gereconstrueerd. Verstrooiingstomografie daarentegen biedt nauwkeurige reconstructies, zelfs in de aanwezigheid van meerdere reflecties, maar vereist nauwkeurige numerieke modellering van elektromagnetische verstrooiing. De huidige computationele elektromagnetische technieken staan nog steeds voor uitdagingen om deze verschijnselen volledig te repliceren. Daarom is kalibratie die gemeten gegevens uitlijnt met numerieke modellen van cruciaal belang voor de praktische implementatie8. Omdat de laesierespons minder dan 1/1000 van de huidreflectie9 is, zijn bovendien zeer gevoelige antennes en ontvangers met uitstekende signaal-ruisprestaties onmisbaar.

Ons systeem pakt deze uitdagingen aan door innovatieve benaderingen te introduceren voor het oplossen van het inverse verstrooiingsprobleem met behulp van een iteratieve vervormde Born-benadering (IDBA)10. Er zijn verschillende sleuteltechnologieën ontwikkeld, waaronder een dubbel gepolariseerde diëlektrisch geladen hoornantenne11, een kalibratiemethode met behulp van twee homogene fantomen12, borstfixatie op de sensor via afzuiging13, multigepolariseerde golfexcitatie14 en exploitatie van de lineaire relatie tussen weefselpermittiviteit en geleidbaarheid15. Een prototype van een apparaat waarin deze technologieën zijn verwerkt, werd in september 2023 voltooid en de klinische proeven begonnen in november 2023.

Hoewel microgolfbeeldvorming uitgebreid is onderzocht, is er nog steeds geen algemeen aanvaard klinisch protocol dat reproduceerbare gegevensverzameling, robuuste kalibratie en stabiele beeldreconstructie bij patiënten garandeert. Het opstellen van een dergelijk protocol is essentieel voor de vertaling van microgolfbeeldvorming van experimenteel onderzoek naar praktische klinische toepassing. Het protocol dat in deze studie wordt gepresenteerd, met borstfixatie op basis van zuiging, dubbele fantoomkalibratie en multigepolariseerde golfexcitatie, voldoet aan deze vereisten en biedt een gestandaardiseerd kader voor betrouwbare klinische evaluatie van microgolftomografie.

Figuur 1A illustreert het principe van microgolfbeeldvorming16. Meerdere antennes zijn rond de borst geplaatst, waarbij één antenne zendt terwijl de andere verspreide golven ontvangen. Een vector network analyzer (VNA) functioneert als zowel zender als ontvanger. Als er slechts één poort beschikbaar is, worden transmissie en ontvangst achtereenvolgens afgewisseld en worden verspreide signalen verkregen voor alle mogelijke antenneparen. De verzamelde gegevens worden vervolgens gebruikt om tomografische beelden van de borst te reconstrueren.

De hardwareconfiguratie van het prototype is samengevat in tabel 1 en weergegeven in figuur 1B, terwijl het uiterlijk van het prototype wordt weergegeven in figuur 2A. Het apparaat bestaat uit een keramische container voor de borst, 16 antennes die aan de container zijn bevestigd, een antenneschakelaar voor het selecteren van zend- en ontvangstantennes, een VNA voor het meten van transmissiekarakteristieken tussen antenneparen, een laptopcomputer met meetsoftware, een besturingseenheid voor het coördineren van de laptop en antenneschakelaar, en een aspirator voor borstfixatie op basis van afzuiging (Figuur 2C).

De keramische container met aangesloten antennes (aangeduid als de beeldsensor, Figuur 2B) en de antenneschakelaar bevinden zich in het hoofdgedeelte van het apparaat. Hoewel er 16 fysieke antennes zijn, zijn er 12 dubbel gepolariseerd, wat resulteert in een effectief aantal antennes van 28. Het apparaat wordt naast het bed geplaatst en de patiënt ligt languit en plaatst haar borst in de beeldsensor (Figuur 1C). Om beeldvormingsartefacten veroorzaakt door lichaamsbeweging te minimaliseren, wordt de borst met behulp van de aspirator aan de sensor gefixeerd.

Tijdens de meting wordt een zendantenne geselecteerd en worden microgolven van 1,9 GHz met een uitgangsvermogen van -5 dBm in de borst bestraald. Verstrooiingsparameters (S-parameters) worden gemeten door de VNA tijdens het achtereenvolgens schakelen van zend- en ontvangstantennes, en de gegevens worden geregistreerd op de laptop. Dit proces wordt herhaald voor alle antennecombinaties. Het verkrijgen van één borst duurt ongeveer 14 minuten. De relatief lange meettijd is te danken aan het seriële acquisitieproces en de extra wachtintervallen die zijn geïmplementeerd om communicatiefouten te voorkomen. De meetduur is consistent voor alle patiënten.

De geregistreerde meetbestanden worden overgebracht naar een speciaal werkstation voor beeldreconstructie. Het kernbesturingsprogramma is geïmplementeerd in Excel VBA, dat de gegevensverwerking coördineert en interfaces heeft met de elektromagnetische veldsimulator FEMTET en het numerieke analyseplatform MATLAB, zoals geïllustreerd in figuur 317,18. Reconstructie van een enkel borstbeeld duurt ongeveer 7 uur op een werkstation dat is uitgerust met een Intel Core i7-14700K CPU en 96 GB RAM. Aangezien het reconstructiealgoritme is gebaseerd op IDBA10, moeten grootschalige driedimensionale full-wave elektromagnetische simulaties herhaaldelijk worden uitgevoerd. Elke voorwaartse elektromagnetische veldanalyse duurt ongeveer 10 minuten en het ophalen van de berekende veldverdeling van FEMTET duurt nog eens 30 minuten. Deze cyclus wordt tien keer per reconstructie herhaald, wat een cumulatieve verwerkingstijd van ongeveer 400 minuten oplevert.

De softwareomgeving is samengevat in Tabel 2. De laptop is geconfigureerd met het Analyzer Control-programma om de communicatie met de VNA en de besturingseenheid voor de antenneschakelaar te beheren. Hardwareconnectiviteit vereist een digitale input/output (DIO)-interface en een GPIB-USB-conversiekabel (General-Purpose Interface Bus) om een betrouwbare opdrachtoverdracht te garanderen. Alle andere reconstructieprogramma's worden op het werkstation geïnstalleerd, dat Microsoft Excel, FEMTET en MATLAB moet ondersteunen. FEMTET wordt gebruikt om de vergelijkingen van Maxwell in het beeldvormingsdomein op te lossen via de eindige-elementenmethode, terwijl MATLAB numerieke routines uitvoert die nodig zijn voor de IDBA-inversie.

Er is een rigoureuze kalibratieprocedure nodig om gemeten verstrooiingsgegevens af te stemmen op het numerieke voorwaartse model. Kalibratie wordt uitgevoerd met behulp van twee homogene diëlektrische fantomen (Figuur 2D) die zijn ontworpen om weefselnabootsende media te benaderen. Op 1,9 GHz vertoont fantoom 1 een relatieve permittiteit van 6,65 en een diëlektrische verliestangens van 0,438, terwijl fantoom 2 een relatieve permittabiliteit heeft van 4,66 en een verliestangens van 0,289. Een kalibratiebestand, cal_2314_94_ver2.mat, wordt vooraf gegenereerd en bevat correctiecoëfficiënten die systematische discrepanties tussen gemeten en gesimuleerde S-parameters compenseren. Deze coëfficiënten zijn afgeleid van op FEMT gebaseerde simulaties van de transmissiekarakteristieken van de fantomen en gevalideerd aan de hand van experimentele metingen die zijn verkregen met het prototype12. Deze kalibratie zorgt voor consistentie tussen numerieke modellering en experimentele gegevens, waardoor de convergentie van het iteratieve reconstructieproces wordt gestabiliseerd.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Alle klinische procedures werden goedgekeurd door de Institutional Review Board van Aichi Medical University (Certification Number of Specific Clinical Research: CRB4200004).

1. Apparaat instellen

  1. Bereid een ruimte voor die groot genoeg is voor de hoofdunit, het rek voor kantoorautomatisering (OA) en het patiëntenbed.
    OPMERKING: Om de privacy van de patiënt te waarborgen, wordt aanbevolen om de hoofdeenheid en het bed te scheiden met behulp van een gordijn of scheidingswand (Figuur 4A). Een voeding van minimaal AC 100 V, 10 A is vereist.
  2. Plaats de VNA, besturingseenheid en laptop op het OA-rek (Figuur 4B).
  3. Sluit de elektronische kalibratiemodule (Figuur 4C) via een USB-kabel aan op de VNA.
  4. Sluit de antenneschakelaar aan op de besturingseenheid met behulp van vijf D-sub-kabels.
  5. Sluit de kabel aan die de digitale input/output (DIO)-interface en de D-sub-connector verbindt met de besturingseenheid (Figuur 4D).
  6. Sluit de DIO-interface aan op de laptop met behulp van een USB-kabel.
  7. Sluit de invoer-/uitvoerpoorten van de VNA aan op de antenneschakelaar met behulp van RF-kabels (Figuur 4B,E).
  8. Sluit de GPIB-poort van de VNA aan op een GPIB-USB-conversiekabel (Afbeelding 4F) en sluit de USB-connector aan op de laptop.
  9. Sluit de aanzuigbuis van de beeldsensor aan op de aspirator (Figuur 4E).
  10. Sluit de stroomkabels van de VNA, antenneschakelaar, laptop en aspirator aan op stopcontacten en schakel de stroom in.

2. Invoer van initiële parameters

  1. Start het meetprogramma Analyzer Control op de laptop.
    OPMERKING: Het startvenster verschijnt (Afbeelding 5A).
  2. Voer de volgende parameters in: startfrequentie = 1000 MHz, stopfrequentie = 6000 MHz, aantal datapunten = 101 en wachttijd voor respons = 200 ms.
    OPMERKING: Voor alle andere parameters moeten standaardwaarden worden gebruikt.
  3. Druk op de DIO-knop , gevolgd door de GPIB-bevestigingsknop .
    OPMERKING: Als alle verbindingen correct zijn, worden de knoppen CAL Wizard, CAL Load, Auto Measurement en Manual Measurement actief (Afbeelding 5B).

3. Kalibratie van de Vector Network Analyzer (VNA)

  1. Koppel de kabels los die zijn aangesloten op antennes 4 en 6 van de beeldsensor en sluit ze aan op de invoer-/uitvoerklemmen van de elektronische kalibratiemodule (Figuur 6A).
  2. Zet beide AUTO/MANUAL-schakelaars op de besturingseenheid op MANUAL en configureer de Tex-tuimelschakelaar op binair 5 en de Rx-tuimelschakelaar op binair 9 (Afbeelding 6B).
  3. Druk op de knop van de CAL-wizard .
    OPMERKING: Het venster van de CAL-wizard verschijnt (Afbeelding 6C).
  4. Druk op de knop van de Set-wizard (Afbeelding 6C).
  5. Voer kalibratie met twee poorten uit via de 1-6 GHz-frequentieband met behulp van de elektronische kalibratiemodule19.
  6. Druk na voltooiing op CAL Wizard Exit om het venster te sluiten (Afbeelding 6C).
  7. Druk op de knop CAL Opslaan .
    OPMERKING: Het venster voor het opslaan van gegevens verschijnt (Afbeelding 6D).
  8. Voer een naam in voor de gekalibreerde gegevens (bijv. 20250717.sta) en druk op Opslaan.
    NOTITIE Kalibratiegegevens worden opgeslagen in de VNA. Als de kalibratie al is uitgevoerd, is herhaling niet nodig. Druk in dat geval op CAL Load, selecteer het juiste bestand (Afbeelding 6E: bijv. 20240829.sta) en klik op Toepassen om de kalibratiegegevens in de VNA te laden.
  9. Zet de AUTO/MANUAL-schakelaar op de besturingseenheid weer op AUTO.

4. Beeldvorming procedure

  1. Plaats de patiënt in buikligging op het bed (Figuur 7A).
  2. Trek de bovenkant van de patiënt omhoog en plaats een borst in de beeldsensor, zorg ervoor dat geen kleding de sensor belemmert.
  3. Zet de aspirator aan om de afzuiging te starten.
  4. Stel de vacuümdruk in op 0.04 - 0.06 MPa met behulp van de CTRL-knop (Figuur 7B). Als de druk niet kan worden verminderd, verplaats de patiënt dan totdat de juiste afzuiging is bereikt.
  5. Stop met beeldvorming als de aspiratordruk op 0 MPa blijft.
    OPMERKING: Een opening tussen de sensor en de borst verhindert nauwkeurige beeldacquisitie.
  6. Druk op de knop Automatische meting (Afbeelding 5B).
    OPMERKING: Het meetstatusvenster verschijnt (Afbeelding 7C).
  7. Stel het meetbereik in op 1-28 en schakel Reciprocity overslaan in.
  8. Druk op Meting starten om de gegevensverzameling te starten.
    OPMERKING: De zend- en ontvangstcombinaties worden tijdens de meting weergegeven (Afbeelding 7D). Na voltooiing worden de resultaten in CSV-formaat opgeslagen in de map VNA_Results (Afbeelding 7E).

5. Reconstructie van het beeld

  1. Open het data_read programma in MATLAB.
  2. Stel het pad in (bijv. C:\Users\yoshihiko\Desktop\VNA_Results) en specificeer de meetbestanden (bijv. P31_L.csv en P31_R.csv) samen met de naam van de uitvoergegevens (Afbeelding 8A).
  3. Klik op de figure-protocol-1 knop in de editor om een .mat-bestand te genereren voor de kalibratie van apparatuur (Afbeelding 8B).
  4. Open het initialize_for_clinic programma in MATLAB.
  5. Voer de volgende parameters in (Figuur 8C): Reconstructiefrequentie: f = 1,9 × 109 Hz; Pad en namen van de meetbestanden (bijv. C:\Users\kuwahara\OneDrive\patient_data\xxxxxxxx); Aanduiding van de linker- en rechterborst (L(:,:,fn)); Pad en naam van het patiëntenwerkblad ('xxxxxxxx.xlsx', sheet='sheet1')
  6. Klik om figure-protocol-2 een patiëntenwerkblad te genereren voor gebruik in het Excel VBA-hoofdprogramma .
    OPMERKING: Er wordt ook een map gemaakt voor het opslaan van reconstructieresultaten.
  7. Open het image_reconstruction_# MATLAB-bestand (# geeft het verwerkingsnummer aan).
  8. Geef het pad en de naam van het patiëntenwerkblad op (bijv. G:\patient_sheet\xxxxxxxx_L.xlsx), de reconstructiefrequentie (1,9 × 109 Hz) en het kalibratiebestand (cal_2314_ver2) en sla vervolgens de instellingen op (Afbeelding 8D).
  9. Open het hoofdprogramma voor het reconstrueren van afbeeldingen multi_person in Excel.
  10. Voer de namen van het patiëntenwerkblad in die in stap 6 zijn gemaakt (bijv. xxxxxxxx_L naar vvvvvvv_R) (Afbeelding 9A).
    OPMERKING: De afbeeldingen van meerdere patiënten kunnen tegelijkertijd worden gereconstrueerd door de reeks werkbladnamen in te voeren.
  11. Open het VBA-programma vanuit de Excel-invoegtoepassing.
  12. Geef het bereik van de werkbladen op die moeten worden verwerkt (np = 1 tot 8).
  13. Controleer of de mappen voor werkbladen correct zijn ingesteld in de standaardmodules Data_read en Data_write .
  14. Selecteer getPDTdata en klik figure-protocol-3 in de editor om het proces van beeldreconstructie te starten (Figuur 9B).
  15. Controleer na verwerking de gereconstrueerde beelden (3D-tomografische longitudinale en transversale doorsneden), die samen met de patiëntenwerkbladen worden opgeslagen in de opgegeven map met bestandsnamen zoals mwsdbim_20250617-14h36m04s.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

De beeldvormingsresultaten van drie representatieve patiënten worden hieronder weergegeven:

Patiënt 1
Een 78-jarige vrouw met een kanker van 34 mm × 21 mm bevindt zich op de 2 uur-positie van de linkerborst. De borstklieren zijn overwegend vet. Figuur 10A en Figuur 10B tonen röntgenmammografiebeelden, terwijl Figuur 10C-F

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Kalibratie heeft in deze context twee verschillende betekenissen. Ten eerste verwijst het naar de correctie van gemeten verstrooiingsgegevens, zodat de resultaten nauwkeurig kunnen worden opgenomen in numerieke modellen. Ten tweede verwijst het naar de kalibratie van de vector network analyzer (VNA) zelf.

Voorafgaand aan elke kalibratie of meting moet de VNA ten minste 15 minuten van tevoren zijn ingeschakeld en moet de READY-indicator op de e...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs verklaren geen commerciële of financiële relaties met bedrijven die verband houden met dit werk.

Dankbetuigingen

Deze studie werd uitgevoerd met de steun van Science and Technology Research Grant of Japan, 24K10872. Dit onderzoek werd ondersteund door subsidies van JSPS KAKENHI en het Japan Agency for Medical Research and Development (AMED). De auteurs hebben octrooiaanvragen ingediend met betrekking tot de technologie die in dit artikel wordt beschreven.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
AspiratorAS ONEDAS-01
digital IONational InstrumentsUSB6501
Elecreonic Calibration ModuleAgilent85093CDiscontinued. Replace with 85093D.
Electromagnetic simulatorMurata SoftwareFEMTET
Excel VBAMicrosoftOffice
GPIB USB Conversion CableNational InstrumentsGPIB-USB-HS
Numerical SoftwareMathworksMatlab
VNAKeysightE5071C

Referenties

  1. Foundation for Promotion of Cancer Research. Cancer statistics in Japan - 2024. , Foundation for Promotion of Cancer Research. Tokyo. (2024).
  2. Lehman, C. D., et al. Cancer yield of mammography, MR, and US in high-risk women. Radiology. 224 (2), 381-388 (2007).
  3. Nass, S. J., Henderson, I. C., Lashof, J. C. Mammography and beyond: developing technologies for the early detection of breast cancer. , National Academies Press. Washington, DC. (2001).
  4. Pandya, H. N., Ghosh, D. K., Singh, J. S. Breast image reconstruction and cancer detection using microwave imaging. , Institute of Physics Publishing. Bristol. (2023).
  5. Rachida, B., et al. Recent advancements in breast cancer detection: a holistic review of microwaves, ultrasound, and photo-acoustic imaging techniques. IEEE J Microw. 5 (4), 776-792 (2025).
  6. Pastrino, M. Microwave imaging. , John Wiley & Sons. Hoboken, NJ. (2010).
  7. Kuwahara, Y. Microwave imaging for breast cancer detection. Breast cancer: evolving challenges and next frontiers. , Intechopen. London. (2021).
  8. Fischer, B. E., LaHale, I. J. The University of Manitoba microwave imaging repository: a two-dimensional microwave scattering database for testing inversion and calibration algorithms. IEEE Antennas Propag Mag. 53 (5), 126-133 (2011).
  9. Bond, E. J., Li, X., Hagness, S. C., Van Veen, B. D. Microwave imaging via space-time beamforming for early detection of breast cancer. IEEE Trans Antennas Propag. 51 (8), 1690-1705 (2003).
  10. Shea, J. D., Kosmas, P., Van Veen, B. D., Hagness, S. C. Contrast-enhanced microwave imaging of breast tumors: a computational study using 3D realistic numerical phantoms. Inverse Probl. 26, 074009(2010).
  11. A microwave imaging sensor composed of a dielectric-loaded double-polarized horn antenna. Kuwahara, Y., Fujii, K. Proc Eur Conf Antennas Propag (EuCAP), , (2023).
  12. Clinical imaging by the microwave mammography. Kuwahara, Y., Fuji, K. 2025 IEEE MTT-S Int Microwave Biomed Conf, , (2025).
  13. Conformal array antenna with the aspirator for the microwave mammography. Kuwahara, Y., Suzuki, K., Horie, H., Hatano, H. 2010 IEEE APS Int Symp, , (2010).
  14. Mohamed, L., et al. Study of multi-polarization in microwave tomography for breast cancer detection. IEICE Trans J. J99-C, 393-401 (2016).
  15. Kuwahara, Y., Osaki, T., Nozaki, A., Fujii, K. Utilization of preliminary knowledge in microwave tomography for breast cancer detection. IEICE Trans J. J102-C, 86-92 (2018).
  16. Kuwahara, Y. Microwave imaging for early breast cancer detection. New perspective in breast imaging. , Croatia. (2017).
  17. Microwave mammography with a small sensor and a commercial electromagnetic simulator. Proc Eur Microw Conf (EuMC). Kuwahara, Y. , 663-666 (2016).
  18. Application of S-parameter to the inverse scattering problem. Kuwahara, Y. 11th Eur Conf Antennas Propag (EuCAP), , (2017).
  19. Hammerschmidt, C., John, R. T., Tran, S. Calibration of vector network analyzer for measurements in radio frequency propagation channels. J Vis Exp. (160), e60874(2020).
  20. Janjik, A., et al. SAFE: a novel microwave imaging system design for breast cancer screening and early detection-clinical evaluation. Diagnostics. 11 (3), 533(2021).
  21. Rana, S. P., et al. Radiation-free microwave technology for breast lesion detection using supervised machine learning model. Tomography. 9 (1), 105-129 (2023).
  22. Nguyen, P. T., Abbosh, A. M. 3D focused microwave hyperthermia for breast cancer treatment with experimental validation. IEEE Trans Antennas Propag. 65 (7), 3489-3500 (2017).
  23. Li, J., et al. A preclinical system prototype for focused microwave breast hyperthermia guided by compressive thermoacoustic tomography. IEEE Trans Biomed Eng. 68 (7), 2289-2300 (2021).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Tags

BorstkankerbeeldvormingMicrogolfbeeldvormingInverse VerstrooiingTomografische BeeldvormingBeeldreconstructieNiet-Ioniserende BeeldvormingDense BorstweefselStralingsvrije Beeldvorming