É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de método

Imagem Clínica da Mamografia por Microondas

703 visualizações

DOI:

10.3791/69288

14 de novembro de 2025

Neste artigo

Resumo

Este protocolo descreve o procedimento de imagem de um dispositivo de imagem de micro-ondas para imagem de mama.

Resumo

O câncer de mama é a neoplasia maligna mais comum entre as mulheres, e a detecção e o tratamento precoces são essenciais para melhorar os resultados clínicos. A mamografia de raios-X continua sendo a modalidade de rastreamento padrão; no entanto, tem várias limitações, incluindo exposição à radiação, desconforto do paciente e sensibilidade reduzida em mulheres com tecido mamário denso. A imagem de micro-ondas, uma técnica não ionizante, surgiu como uma alternativa promissora. Desenvolvemos um dispositivo que reconstrói estruturas de tecido mamário resolvendo o problema de espalhamento inverso e atualmente está passando por testes clínicos. Esse sistema gera imagens tomográficas tridimensionais sem o uso de agentes de contraste e sem causar dor durante o exame. Até o momento, 24 pacientes com câncer de mama foram fotografadas, com uma precisão de 86% para tumores ≥ 1 cm de diâmetro e 58% quando tumores < 1 cm são incluídos. Neste artigo, apresentamos um protocolo detalhado para preparação de dispositivos, imagens clínicas e processamento de dados, juntamente com resultados de imagens representativos de pacientes selecionados.

Introdução

O câncer de mama é a neoplasia maligna mais comum entre as mulheres, com aproximadamente 95.000 novos casos diagnosticados anualmente no Japão1. A detecção e o tratamento precoces são essenciais para melhorar os resultados dos pacientes.

A mamografia de raios-X é atualmente a ferramenta de triagem padrão. No entanto, sua sensibilidade é limitada em mulheres com tecido mamário denso, dificultando a detecção de pequenos tumores2. Para resolver essa limitação, o ultrassom é frequentemente usado como um método diagnóstico adjuvante. Os exames de ultrassom exigem um alto nível de habilidade do operador, e a precisão diagnóstica da mamografia ou ultrassom isoladamente é de aproximadamente 60%. A ressonância magnética (RM) com contraste atinge precisão superior a 90%; no entanto, devido aos altos custos de equipamentos e exames, a RM não é adequada para triagem de rotina e é reservada principalmente para a tomada de decisões cirúrgicas e planejamento do tratamento3.

Recentemente, a imagem de micro-ondas tem atraído cada vez mais atenção como uma alternativa potencial capaz de superar as limitações da mamografia eda ultrassonografia4. Quando a radiação de microondas interage com o tecido biológico, fortes reflexões ocorrem nos limites dielétricos. A refletividade é mais do que uma ordem de magnitude maior do que a dos raios-X ou ultrassom, permitindo a detecção de pequenas lesões. A pesquisa sobre a detecção do câncer de mama usando imagens de micro-ondas está em andamento há mais de 25 anos, com vários estudos clínicos relatados5.

A imagem de micro-ondas pode ser amplamente classificada em duas categorias: imagem confocal, que reconstrói a distribuição da potência espalhada, e tomografia de espalhamento, que reconstrói a distribuição da permissividade complexa (constante dielétrica e condutividade elétrica)6,7. A imagem confocal é conceitualmente semelhante ao diagnóstico por ultrassom; no entanto, devido a múltiplas reflexões dentro do tecido, as estruturas internas não podem ser reconstruídas com precisão. Em contraste, a tomografia de espalhamento fornece reconstruções precisas mesmo na presença de múltiplas reflexões, mas requer modelagem numérica precisa do espalhamento eletromagnético. As técnicas eletromagnéticas computacionais atuais ainda enfrentam desafios para replicar totalmente esses fenômenos. Portanto, a calibração que alinha os dados medidos com os modelos numéricos é fundamental para a implementação prática8. Além disso, como as respostas das lesões são inferiores a 1/1000 da reflexão da pele9, antenas e receptores altamente sensíveis com excelente desempenho sinal-ruído são indispensáveis.

Nosso sistema aborda esses desafios introduzindo abordagens inovadoras para resolver o problema de espalhamento inverso usando uma aproximação de Born distorcida iterativa (IDBA)10. Várias tecnologias-chave foram desenvolvidas, incluindo uma antena de corneta carregada com dielétrico de dupla polarização11, um método de calibração usando dois fantasmas homogêneos12, fixação da mama ao sensor por sucção 13, excitação de onda multipolarizada14 e exploração da relação linear entre permissividade e condutividade do tecido15. Um protótipo de dispositivo incorporando essas tecnologias foi concluído em setembro de 2023 e os ensaios clínicos começaram em novembro de 2023.

Embora a imagem de micro-ondas tenha sido extensivamente investigada, ainda não existe um protocolo clínico amplamente aceito que garanta aquisição de dados reprodutíveis, calibração robusta e reconstrução de imagem estável em todos os pacientes. O estabelecimento de tal protocolo é essencial para a tradução de imagens de micro-ondas da pesquisa experimental para a aplicação clínica prática. O protocolo apresentado neste estudo, incorporando fixação mamária baseada em sucção, calibração de simulador duplo e excitação de onda multipolarizada, atende a esses requisitos e fornece uma estrutura padronizada para avaliação clínica confiável da tomografia de micro-ondas.

A Figura 1A ilustra o princípio da imagem de microondas16. Várias antenas são dispostas ao redor do peito, com uma antena transmitindo enquanto as outras recebem ondas dispersas. Um analisador de rede vetorial (VNA) funciona como transmissor e receptor. Se apenas uma única porta estiver disponível, a transmissão e a recepção serão alternadas sequencialmente e os sinais dispersos serão adquiridos para todos os pares de antenas possíveis. Os dados coletados são então usados para reconstruir imagens tomográficas da mama.

A configuração de hardware do protótipo é resumida na Tabela 1 e mostrada na Figura 1B, enquanto a aparência externa do protótipo é apresentada na Figura 2A. O dispositivo consiste em um recipiente de cerâmica para a mama, 16 antenas conectadas ao recipiente, um interruptor de antena para selecionar antenas transmissoras e receptoras, um VNA para medir as características de transmissão entre pares de antenas, um laptop com software de medição, uma unidade de controle para coordenar o laptop e o interruptor da antena e um aspirador para fixação mamária baseada em sucção (Figura 2C).

O recipiente de cerâmica com antenas conectadas (referido como sensor de imagem, Figura 2B) e o interruptor da antena estão alojados no corpo principal do dispositivo. Embora existam 16 antenas físicas, 12 delas são duplamente polarizadas, resultando em uma contagem efetiva de antenas de 28. O dispositivo é posicionado ao lado da cama e a paciente fica deitada de bruços, colocando a mama no sensor de imagem (Figura 1C). Para minimizar os artefatos de imagem causados pelo movimento do corpo, a mama é fixada por sucção ao sensor usando o aspirador.

Durante a medição, uma antena transmissora é selecionada e microondas a 1,9 GHz com potência de saída de -5 dBm são irradiadas para a mama. Os parâmetros de dispersão (parâmetros S) são medidos pelo VNA durante a comutação sequencial das antenas de transmissão e recepção, e os dados são registrados no laptop. Este processo é repetido para todas as combinações de antenas. A aquisição de uma mama leva aproximadamente 14 min. O tempo de medição relativamente longo se deve ao processo de aquisição serial e intervalos de espera adicionais implementados para evitar erros de comunicação. A duração da medição é consistente entre os pacientes.

Os arquivos de medição gravados são transferidos para uma estação de trabalho dedicada para reconstrução de imagens. O programa de controle central é implementado no Excel VBA, que coordena o processamento dos dados e faz interface com o simulador de campo eletromagnético FEMTET e a plataforma de análise numérica MATLAB, conforme ilustrado na Figura 317,18. A reconstrução de uma única imagem de mama requer aproximadamente 7 h em uma estação de trabalho equipada com uma CPU Intel Core i7-14700K e 96 GB de RAM. Como o algoritmo de reconstrução é baseado no IDBA10, simulações eletromagnéticas tridimensionais de onda completa em grande escala devem ser executadas repetidamente. Cada análise de campo eletromagnético direta requer aproximadamente 10 minutos, e a recuperação da distribuição de campo computada do FEMTET leva 30 minutos adicionais. Este ciclo é repetido dez vezes por reconstrução, resultando em um tempo de processamento cumulativo de aproximadamente 400 min.

O ambiente de software está resumido na Tabela 2. O laptop é configurado com o programa Analyzer Control para gerenciar a comunicação com o VNA e a unidade de controle para o switch da antena. A conectividade de hardware requer uma interface de entrada/saída digital (DIO) e um cabo de conversão GPIB-USB (barramento de interface de uso geral) para garantir uma transferência de comando confiável. Todos os outros programas de reconstrução são instalados na estação de trabalho, que deve suportar Microsoft Excel, FEMTET e MATLAB. O FEMTET é usado para resolver as equações de Maxwell no domínio da imagem por meio do método dos elementos finitos, enquanto o MATLAB executa as rotinas numéricas necessárias para a inversão do IDBA.

Um procedimento de calibração rigoroso é necessário para alinhar os dados de espalhamento medidos com o modelo numérico direto. A calibração é realizada usando dois simuladores dielétricos homogêneos (Figura 2D) projetados para aproximar os meios que imitam o tecido. A 1,9 GHz, o simulador 1 exibe uma permissividade relativa de 6,65 e uma tangente de perda dielétrica de 0,438, enquanto o simulador 2 tem uma permissividade relativa de 4,66 e uma tangente de perda de 0,289. Um arquivo de calibração, cal_2314_94_ver2.mat, é pré-gerado, contendo coeficientes de correção que compensam discrepâncias sistemáticas entre os parâmetros S medidos e simulados. Esses coeficientes são derivados de simulações baseadas em FEMTET das características de transmissão dos simuladores e validados com medições experimentais obtidas com o protótipo12. Essa calibração garante consistência entre a modelagem numérica e os dados experimentais, estabilizando a convergência do processo de reconstrução iterativa.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Todos os procedimentos clínicos foram aprovados pelo Conselho de Revisão Institucional da Universidade Médica de Aichi (Número de Certificação de Pesquisa Clínica Específica: CRB4200004).

1. Configuração do dispositivo

  1. Prepare uma sala suficientemente grande para acomodar a unidade principal, o rack de automação de escritório (OA) e o leito do paciente.
    NOTA: Para garantir a privacidade do paciente, recomenda-se separar a unidade principal e a cama usando uma cortina ou divisória (Figura 4A). É necessária uma fonte de alimentação de pelo menos AC 100 V, 10 A.
  2. Coloque o VNA, a unidade de controle e o laptop no rack OA (Figura 4B).
  3. Conecte o módulo de calibração eletrônica (Figura 4C) ao VNA por meio de um cabo USB.
  4. Conecte o interruptor da antena à unidade de controle usando cinco cabos D-sub.
  5. Conecte o cabo que liga a interface de entrada/saída digital (DIO) e o conector D-sub à unidade de controle (Figura 4D).
  6. Conecte a interface DIO ao laptop usando um cabo USB.
  7. Conecte as portas de entrada/saída do VNA ao switch da antena usando cabos de RF (Figura 4B,E).
  8. Conecte a porta GPIB do VNA a um cabo de conversão GPIB-USB (Figura 4F) e conecte o conector USB ao laptop.
  9. Conecte o tubo de admissão do sensor de imagem ao aspirador (Figura 4E).
  10. Conecte os cabos de alimentação do VNA, do interruptor da antena, do laptop e do aspirador nas tomadas CA e ligue a energia.

2. Entrada de parâmetros iniciais

  1. Inicie o programa de medição Analyzer Control no laptop.
    NOTA: A janela inicial é exibida (Figura 5A).
  2. Insira os seguintes parâmetros: frequência de início = 1000 MHz, frequência de parada = 6000 MHz, número de pontos de dados = 101 e tempo de espera de resposta = 200 ms.
    NOTA: Os valores padrão devem ser usados para todos os outros parâmetros.
  3. Pressione o botão DIO , seguido do botão de confirmação GPIB .
    NOTA: Se todas as conexões estiverem corretas, os botões CAL Wizard, CAL Load, Auto Measurement e Manual Measurement ficam ativos (Figura 5B).

3. Calibração do Analisador de Rede Vetorial (VNA)

  1. Desconecte os cabos conectados às antenas 4 e 6 do sensor de imagem e conecte-os aos terminais de entrada/saída do módulo de calibração eletrônica (Figura 6A).
  2. Defina as duas chaves AUTO/MANUAL na unidade de controle para MANUAL e configure a chave seletora Tx para binária 5 e a chave seletora Rx para binária 9 (Figura 6B).
  3. Pressione o botão CAL Wizard .
    NOTA: A janela do Assistente de CAL é exibida (Figura 6C).
  4. Pressione o botão Set Wizard (Figura 6C).
  5. Execute a calibração de duas portas na banda de frequência de 1-6 GHz usando o módulo de calibração eletrônica19.
  6. Após a conclusão, pressione CAL Wizard Exit para fechar a janela (Figura 6C).
  7. Pressione o botão CAL Salvar .
    NOTA: A janela de salvamento de dados é exibida (Figura 6D).
  8. Insira um nome para os dados calibrados (por exemplo, 20250717.sta) e pressione Salvar.
    NOTA: Os dados de calibração são salvos no VNA. Se a calibração já tiver sido realizada, não é necessário repeti-la. Nesse caso, pressione CAL Load, selecione o arquivo apropriado (Figura 6E: por exemplo, 20240829.sta) e clique em Apply para carregar os dados de calibração no VNA.
  9. Coloque a chave AUTO/MANUAL na unidade de controle de volta para AUTO.

4. Procedimento de imagem

  1. Posicione o paciente em decúbito ventral na cama (Figura 7A).
  2. Puxe a parte superior da paciente e coloque um seio no sensor de imagem, garantindo que nenhuma roupa obstrua o sensor.
  3. Ligue o aspirador para iniciar a sucção.
  4. Ajuste a pressão de vácuo para 0,04 - 0,06 MPa usando o botão CTRL (Figura 7B). Se a pressão não puder ser reduzida, reposicione o paciente até que a sucção adequada seja alcançada.
  5. Pare a imagem se a pressão do aspirador permanecer em 0 MPa.
    NOTA: Um espaço entre o sensor e a mama impede a aquisição precisa da imagem.
  6. Pressione o botão Auto Measurement (Figura 5B).
    NOTA: A janela de status de medição é exibida (Figura 7C).
  7. Defina o intervalo de medição para 1-28 e ative Ignorar reciprocidade.
  8. Pressione Iniciar medição para iniciar a aquisição de dados.
    NOTA: As combinações de transmissão e recepção são exibidas durante a medição (Figura 7D). Após a conclusão, os resultados são salvos na pasta VNA_Results no formato CSV (Figura 7E).

5. Reconstrução de imagem

  1. Abra o programa data_read no MATLAB.
  2. Defina o caminho (por exemplo, C:\Users\yoshihiko\Desktop\VNA_Results) e especifique os arquivos de medição (por exemplo, P31_L.csv e P31_R.csv) junto com o nome dos dados de saída (Figura 8A).
  3. Clique no figure-protocol-1 botão no editor para gerar um arquivo .mat para calibração do equipamento (Figura 8B).
  4. Abra o programa initialize_for_clinic no MATLAB.
  5. Insira os seguintes parâmetros (Figura 8C): Frequência de reconstrução: f = 1,9 × 109 Hz; Caminho e nomes dos arquivos de medição (por exemplo, C:\Users\kuwahara\OneDrive\patient_data\xxxxxxxx); Designação da mama esquerda e direita (L(:,:,fn)); Caminho e nome da planilha do paciente ('xxxxxxxx.xlsx', sheet='sheet1')
  6. Clique figure-protocol-2 para gerar uma planilha do paciente para uso no programa VBA principal do Excel.
    NOTA: Um diretório para armazenar os resultados da reconstrução também é criado.
  7. Abra o arquivo image_reconstruction_# MATLAB (# indica o número de processamento).
  8. Especifique o caminho e o nome da planilha do paciente (por exemplo, G:\patient_sheet\xxxxxxxx_L.xlsx), a frequência de reconstrução (1.9 × 109 Hz) e o arquivo de calibração (cal_2314_ver2) e salve as configurações (Figura 8D).
  9. Abra o programa principal de reconstrução de imagem multi_person no Excel.
  10. Insira os nomes das planilhas do paciente criadas na etapa 6 (por exemplo, xxxxxxxx_L a vvvvvvv_R) (Figura 9A).
    NOTA: As imagens de vários pacientes podem ser reconstruídas simultaneamente inserindo a série de nomes de planilhas.
  11. Abra o programa VBA no suplemento do Excel.
  12. Especifique o intervalo de planilhas a serem processadas (np = 1 a 8).
  13. Confirme se os diretórios das planilhas estão definidos corretamente nos módulos padrão Data_read e Data_write .
  14. Selecione getPDTdata e clique figure-protocol-3 no editor para iniciar o processo de reconstrução da imagem (Figura 9B).
  15. Após o processamento, verifique as imagens reconstruídas (seções tomográficas longitudinais e transversais 3D), que são salvas no diretório especificado com nomes de arquivo como mwsdbim_20250617-14h36m04s, ao lado das planilhas do paciente.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Os resultados de imagem de três pacientes representativos são apresentados a seguir:

Paciente 1
Uma mulher de 78 anos com câncer de 34 mm × 21 mm localizado na posição de 2 horas da mama esquerda. As glândulas mamárias são predominantemente gordurosas. A Figura 10A e a Figura 10B mostram imagens de mamografia de raios-X, enquanto a Figura 10C-F apresen...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

A calibração neste contexto tem dois significados distintos. Primeiro, refere-se à correção dos dados de espalhamento medidos para que os resultados possam ser incorporados com precisão em modelos numéricos. Em segundo lugar, refere-se à calibração do próprio analisador de rede vetorial (VNA).

Antes de qualquer calibração ou medição, o VNA deve ser ligado com pelo menos 15 minutos de antecedência e o indicador READY no módulo de calibração ele...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores declaram não ter relações comerciais ou financeiras com quaisquer empresas relacionadas a este trabalho.

Agradecimentos

Este estudo foi conduzido com o apoio da Bolsa de Pesquisa em Ciência e Tecnologia do Japão, 24K10872. Esta pesquisa foi apoiada por doações da JSPS KAKENHI e da Agência Japonesa de Pesquisa e Desenvolvimento Médico (AMED). Os autores depositaram pedidos de patentes relacionados à tecnologia descrita neste artigo.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
AspiradorCOMO UM SÓDAS-01
E/S digitalInstrumentos NacionaisUSB6501
Módulo de Calibração EletronicaAgilent85093CDescontinuado. Substitua por 85093D.
Simulador eletromagnéticoMurata SoftwareFEMTET
Excel VBAMicrosoftEscritório
Cabo de Conversão USB GPIBInstrumentos NacionaisGPIB-USB-HS
Software NuméricoMathworksMatlab
VNAKeysightE5071C

Referências

  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).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Etiquetas

Imagem do Câncer de MamaImagem por Micro-ondasEspalhamento InversoImagem TomográficaReconstrução de ImagemImagem Não IonizanteTecido Mamário DensoImagem Livre de Radiação