Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Клиническая визуализация микроволновой маммографии

704 просмотров

⸱

DOI:

10.3791/69288

⸱

14 ноября 2025 г.

 , 
1Department of Surgery, Aichi Medical University

В этой статье

Краткое содержание

Этот протокол описывает процедуру визуализации с помощью микроволнового устройства визуализации молочной железы.

Аннотация

Рак молочной железы является наиболее распространенным злокачественным новообразованием среди женщин, и раннее выявление и лечение имеют решающее значение для улучшения клинических результатов. Рентгеновская маммография остается стандартным методом скрининга; Тем не менее, он имеет несколько ограничений, включая лучевую нагрузку, дискомфорт пациента и снижение чувствительности у женщин с плотной тканью молочной железы. Микроволновая визуализация, неионизирующий метод, стала многообещающей альтернативой. Мы разработали устройство, которое реконструирует структуры тканей молочной железы путем решения задачи обратного рассеяния и в настоящее время проходит клинические испытания. Эта система генерирует трехмерные томографические изображения без использования контрастных веществ и без причинения болевых ощущений при исследовании. На сегодняшний день было обследовано 24 пациента с раком молочной железы, с точностью 86% для опухолей ≥ 1 см в диаметре и 58% для опухолей < 1 см. В этой статье мы представляем подробный протокол подготовки устройства, клинической визуализации и обработки данных, а также репрезентативные результаты визуализации отдельных пациентов.

Введение

Рак молочной железы является наиболее распространенным злокачественным новообразованием среди женщин, ежегодно в Японии диагностируется около 95 000 новых случаев1. Раннее выявление и лечение имеют важное значение для улучшения результатов лечения пациентов.

Рентгеновская маммография в настоящее время является стандартным инструментом скрининга. Однако его чувствительность ограничена у женщин с плотной тканью молочной железы, что затрудняет обнаружение небольших опухолей2. Чтобы устранить это ограничение, ультразвуковое исследование часто используется в качестве вспомогательного метода диагностики. Ультразвуковые исследования требуют высокого уровня квалификации оператора, а диагностическая точность только маммографии или ультразвука составляет примерно 60%. Магнитно-резонансная томография (МРТ) с контрастным усилением достигает точности, превышающей 90%; тем не менее, из-за высокой стоимости оборудования и обследования МРТ не подходит для рутинного скрининга и в основном используется для принятия хирургических решений и планирования лечения3.

В последнее время микроволновая визуализация привлекает все большее внимание как потенциальная альтернатива, способная преодолеть ограничения маммографиии ультразвука. Когда микроволновое излучение взаимодействует с биологической тканью, на диэлектрических границах возникают сильные отражения. Отражательная способность более чем на порядок выше, чем у рентгеновских лучей или ультразвука, что позволяет обнаруживать небольшие поражения. Исследования по выявлению рака молочной железы с помощью микроволновой визуализации продолжаются уже более 25 лет, сообщается о нескольких клинических исследованиях.

Микроволновую визуализацию можно разделить на две категории: конфокальная визуализация, которая реконструирует распределение рассеянной мощности, и томография рассеяния, которая реконструирует распределение сложной диэлектрической проницаемости (диэлектрической проницаемости и электропроводности)6,7. Конфокальная визуализация концептуально схожа с ультразвуковой диагностикой; Однако из-за множественных отражений в тканях внутренние структуры не могут быть точно реконструированы. В отличие от этого, томография рассеяния обеспечивает точные реконструкции даже при наличии множественных отражений, но требует точного численного моделирования электромагнитного рассеяния. Современные вычислительные электромагнитные методы по-прежнему сталкиваются с проблемами в полном воспроизведении этих явлений. Таким образом, калибровка, которая согласовывает измеренные данные с числовыми моделями, имеет решающее значение для практической реализации8. Более того, поскольку реакция на поражение составляет менее 1/1000 от отражения кожи9, незаменимы высокочувствительные антенны и приемники с превосходными характеристиками сигнал/шум.

Наша система решает эти проблемы путем внедрения инновационных подходов к решению задачи обратного рассеяния с использованием итерационного искаженного приближения Борна (IDBA)10. Было разработано несколько ключевых технологий, в том числе двухполяризованная диэлектрическая рупорная антенна11, метод калибровки с использованием двух однородных фантомов12, фиксация груди к датчику с помощью всасывания13, возбуждение многополяризованной волны14 и использование линейной зависимости между диэлектрической проницаемостью тканей и проводимостью15. Прототип устройства, использующего эти технологии, был завершен в сентябре 2023 года, а клинические испытания начались в ноябре 2023 года.

Несмотря на то, что микроволновая визуализация широко исследована, до сих пор не существует широко признанного клинического протокола, гарантирующего воспроизводимый сбор данных, надежную калибровку и стабильную реконструкцию изображения у пациентов. Создание такого протокола имеет важное значение для перевода микроволновой визуализации из экспериментальных исследований в практическое клиническое применение. Протокол, представленный в этом исследовании, включающий фиксацию груди на основе отсасывания, двойную фантомную калибровку и многополяризованное волновое возбуждение, отвечает этим требованиям и обеспечивает стандартизированную основу для надежной клинической оценки микроволновой томографии.

На рисунке 1А показан принцип использования микроволновой визуализации16. Вокруг груди расположено несколько антенн, одна антенна передает, а другие принимают рассеянные волны. Векторный анализатор цепей (ВАЦ) функционирует как передатчик и приемник. Если доступен только один порт, передача и прием чередуются последовательно, а рассеянные сигналы регистрируются для всех возможных антенных пар. Собранные данные затем используются для реконструкции томографических изображений молочной железы.

Аппаратная конфигурация прототипа обобщена в таблице 1 и показана на рисунке 1B, в то время как внешний вид прототипа представлен на рисунке 2A. Устройство состоит из керамического контейнера для груди, 16 антенн, прикрепленных к контейнеру, антенного переключателя для выбора передающей и приемной антенн, векторного анализатора цепей для измерения характеристик передачи между антенными парами, портативного компьютера с измерительным программным обеспечением, блока управления для координации переключателя ноутбука и антенны, а также аспиратора для фиксации груди на основе отсоса (рис. 2C).

Керамический контейнер с прикрепленными антеннами (называемый датчиком изображения, рис. 2B) и антенный переключатель размещены внутри основного корпуса устройства. Несмотря на то, что существует 16 физических антенн, 12 из них имеют двойную поляризацию, в результате чего эффективное количество антенн составляет 28. Устройство располагается рядом с кроватью, а пациентка лежит ничком, помещая свою грудь в датчик визуализации (рис. 1C). Чтобы свести к минимуму артефакты визуализации, вызванные движением тела, грудь фиксируется на отсасывании к датчику с помощью аспиратора.

Во время измерения выбирается передающая антенна, и в грудь облучаются микроволны на частоте 1,9 ГГц с выходной мощностью -5 дБм. Параметры рассеяния (S-параметры) измеряются ВАЦ при последовательном переключении передающей и приемной антенн, а данные записываются на ноутбук. Этот процесс повторяется для всех комбинаций антенн. Приобретение одной груди занимает примерно 14 минут. Относительно длительное время измерения связано с процессом последовательного сбора данных и дополнительными интервалами ожидания, реализованными для предотвращения ошибок связи. Продолжительность измерения одинакова у всех пациентов.

Записанные файлы измерений передаются на специальную рабочую станцию для реконструкции изображений. Программа управления активной зоной реализована в Excel VBA, который координирует обработку данных и сопрягается с имитатором электромагнитного поля FEMTET и платформой численного анализа MATLAB, как показано на рисунке 317,18. Для восстановления одного изображения груди требуется примерно 7 часов на рабочей станции, оснащенной процессором Intel Core i7-14700K и 96 ГБ оперативной памяти. Поскольку алгоритм реконструкции основан на IDBA10, крупномасштабное трехмерное полноволновое электромагнитное моделирование необходимо выполнять неоднократно. Каждый анализ прямого электромагнитного поля занимает примерно 10 минут, а получение вычисленного распределения поля от FEMTET занимает еще 30 минут. Этот цикл повторяется десять раз за реконструкцию, в результате чего совокупное время обработки составляет примерно 400 минут.

Программная среда кратко изложена в таблице 2. Ноутбук сконфигурирован с программой Analyzer Control для управления связью с векторным анализатором цепей и блоком управления антенным переключателем. Для аппаратного подключения требуется интерфейс цифрового ввода/вывода (DIO) и преобразовательный кабель общего назначения (GPIB)-USB для обеспечения надежной передачи команд. Все остальные программы реконструкции устанавливаются на рабочую станцию, которая должна поддерживать Microsoft Excel, FEMTET и MATLAB. FEMTET используется для решения уравнений Максвелла в области визуализации с помощью метода конечных элементов, в то время как MATLAB выполняет численные процедуры, необходимые для инверсии IDBA.

Для согласования измеренных данных рассеяния с численной прямой моделью требуется строгая процедура калибровки. Калибровка выполняется с использованием двух однородных диэлектрических фантомов (рис. 2D), предназначенных для аппроксимации тканеимитирующих сред. На частоте 1,9 ГГц фантом 1 демонстрирует относительную диэлектрическую проницаемость 6,65 и тангенс диэлектрических потерь 0,438, тогда как фантом 2 имеет относительную диэлектрическую проницаемость 4,66 и тангенс потерь 0,289. Предварительно генерируется файл калибровки cal_2314_94_ver2.mat, содержащий поправочные коэффициенты, которые компенсируют систематические расхождения между измеренными и смоделированными S-параметрами. Эти коэффициенты получены в результате моделирования характеристик передачи фантомов на основе FEMTET и сопоставлены с экспериментальными измерениями, полученными с помощью прототипа12. Такая калибровка обеспечивает согласованность между численным моделированием и экспериментальными данными, стабилизируя сходимость процесса итерационной реконструкции.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Все клинические процедуры были одобрены Институциональным наблюдательным советом Медицинского университета Айти (Сертификационный номер специфического клинического исследования: CRB4200004).

1. Настройка устройства

  1. Подготовьте помещение, достаточно большое, чтобы вместить основной блок, стойку для автоматизации офиса (ОА) и кровать пациента.
    ПРИМЕЧАНИЕ: Для обеспечения конфиденциальности пациента рекомендуется разделять основное отделение и кровать с помощью занавески или перегородки (Рисунок 4A). Требуется источник питания не менее 100 В переменного тока, 10 А.
  2. Поместите векторный анализатор цепей, блок управления и ноутбук на стойку открытого доступа (рис. 4B).
  3. Подключите модуль электронной калибровки (рис. 4C) к векторному анализатору цепей с помощью USB-кабеля.
  4. Подключите антенный переключатель к блоку управления с помощью пяти кабелей D-sub.
  5. Подсоедините кабель, соединяющий интерфейс цифрового ввода/вывода (DIO) и разъем D-sub, к блоку управления (Рисунок 4D).
  6. Подключите интерфейс DIO к ноутбуку с помощью USB-кабеля.
  7. Подключите входные/выходные порты векторного анализатора цепей к антенному переключателю с помощью радиочастотных кабелей (рис. 4B, E).
  8. Подключите порт GPIB векторного анализатора цепей к кабелю преобразования GPIB-USB (рис. 4F) и подключите разъем USB к ноутбуку.
  9. Подсоедините впускную трубку от датчика изображения к аспиратору (рисунок 4E).
  10. Подключите кабели питания векторного анализатора цепей, антенного переключателя, ноутбука и аспиратора к розеткам переменного тока и включите питание.

2. Ввод исходных параметров

  1. Запустите измерительную программу Analyzer Control на ноутбуке.
    ПРИМЕЧАНИЕ: Появится стартовое окно (Рисунок 5A).
  2. Введите следующие параметры: начальная частота = 1000 МГц, конечная частота = 6000 МГц, количество точек данных = 101 и время ожидания ответа = 200 мс.
    ПРИМЕЧАНИЕ: Для всех остальных параметров следует использовать значения по умолчанию.
  3. Нажмите кнопку DIO , а затем кнопку подтверждения GPIB .
    ПРИМЕЧАНИЕ: Если все соединения выполнены правильно, кнопки «Мастер CAL», «Нагрузка CAL», «Автоматическое измерение» и «Ручное измерение» становятся активными (рис. 5B).

3. Калибровка векторного анализатора цепей (векторного анализатора цепей)

  1. Отсоедините кабели, подключенные к антеннам 4 и 6 датчика формирования изображения, и подключите их к клеммам ввода/вывода электронного калибровочного модуля (рис. 6A).
  2. Установите оба переключателя AUTO/MANUAL на блоке управления в положение MANUAL и настройте тумблер Tx в двоичное положение 5, а тумблер Rx в двоичное положение 9 (рис. 6B).
  3. Нажмите кнопку Мастер CAL .
    ПРИМЕЧАНИЕ: Появится окно Мастер CAL (Рисунок 6C).
  4. Нажмите кнопку Мастер установки (Рисунок 6C).
  5. Выполните двухпортовую калибровку в полосе частот 1–6 ГГц с помощью электронного калибровочного модуля19.
  6. По завершении нажмите CAL Wizard Exit , чтобы закрыть окно (Рисунок 6C).
  7. Нажмите кнопку CAL Save .
    ПРИМЕЧАНИЕ: Появится окно сохранения данных (Рисунок 6D).
  8. Введите имя откалиброванных данных (например, 20250717.sta) и нажмите Сохранить.
    ПРИМЕЧАНИЕ Данные калибровки сохраняются в векторном анализаторе цепей. Если калибровка уже была выполнена, повторять ее не нужно. В этом случае нажмите CAL Load, выберите соответствующий файл (Рисунок 6E: например, 20240829.sta) и нажмите Apply , чтобы загрузить данные калибровки в векторный анализатор цепей.
  9. Установите переключатель AUTO/MANUAL на блоке управления обратно в положение AUTO.

4. Процедура визуализации

  1. Положите пациента на кровать в положение лежа (рисунок 7А).
  2. Подтяните верхнюю часть тела пациента и поместите одну грудь в датчик визуализации, убедившись, что никакая одежда не загораживает датчик.
  3. Включите аспиратор, чтобы начать отсасывание.
  4. Отрегулируйте давление вакуума на 0,04 - 0,06 МПа с помощью ручки CTRL (Рисунок 7B). Если давление не может быть снижено, измените положение пациента до тех пор, пока не будет достигнуто надлежащее отсасывание.
  5. Остановите визуализацию, если давление в аспираторе остается на уровне 0 МПа.
    ПРИМЕЧАНИЕ: Зазор между датчиком и грудью препятствует точному получению изображения.
  6. Нажмите кнопку «Автоизмерение » (Рисунок 5B).
    ПРИМЕЧАНИЕ: Появится окно состояния измерения (Рисунок 7C).
  7. Установите диапазон измерения от 1 до 28 и включите функцию Пропустить взаимность.
  8. Нажмите Start Measurement, чтобы начать сбор данных.
    ПРИМЕЧАНИЕ: Комбинации передачи и приема отображаются во время измерения (Рисунок 7D). По завершении результаты сохраняются в папке VNA_Results в формате CSV (рисунок 7E).

5. Реконструкция изображения

  1. Откройте программу data_read в MATLAB.
  2. Задайте путь (например, C:\Users\yoshihiko\Desktop\VNA_Results) и укажите файлы измерений (например, P31_L.csv и P31_R.csv) вместе с именем выходных данных (рис. 8A).
  3. Нажмите кнопку в редакторе, figure-protocol-1 чтобы создать файл .mat для калибровки оборудования (Рисунок 8B).
  4. Откройте программу initialize_for_clinic в MATLAB.
  5. Введите следующие параметры (рисунок 8C): Частота восстановления: f = 1,9 × 109 Гц; Путь и имена файлов измерений (например, C:\Users\kuwahara\OneDrive\patient_data\xxxxxxxx); Обозначение левой и правой груди (L(:,:,fn)); Путь и имя листа пациента ('xxxxxxxx.xlsx', sheet='sheet1')
  6. Щелкните figure-protocol-2 , чтобы создать лист пациента для использования в основной программе Excel VBA .
    ПРИМЕЧАНИЕ: Также создается директория для хранения результатов реконструкции.
  7. Откройте файл MATLAB image_reconstruction_# (# указывает на номер обработки).
  8. Укажите путь и имя листа пациента (например, G:\patient_sheet\xxxxxxxx_L.xlsx), частоту реконструкции (1,9 ×10 9 Гц) и файл калибровки (cal_2314_ver2), затем сохраните настройки (рисунок 8D).
  9. Откройте основную программу реконструкции изображений multi_person в Excel.
  10. Введите имена листов пациентов, созданных на шаге 6 (например, xxxxxxxx_L по vvvvvvv_R) (рисунок 9A).
    ПРИМЕЧАНИЕ: Изображения нескольких пациентов могут быть восстановлены одновременно, путем ввода серии названий рабочих листов.
  11. Откройте программу VBA из надстройки Excel.
  12. Укажите диапазон обрабатываемых листов (np = от 1 до 8).
  13. Убедитесь, что директории для листов правильно настроены в модулях Data_read и Data_write стандартных.
  14. Выберите getPDTdata и щелкните в figure-protocol-3 редакторе, чтобы начать процесс восстановления изображения (рисунок 9B).
  15. После обработки проверьте восстановленные изображения (3D томографические продольные и поперечные сечения), которые сохраняются в указанном каталоге с именами файлов типа mwsdbim_20250617-14h36m04s, вместе с рабочими листами пациента.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Ниже представлены результаты визуализации трех репрезентативных пациентов:

Пациент 1
78-летняя женщина с раком размером от 34 мм × 21 мм, расположенным в положении «2 часа» левой молочной железы. Молочные железы преимущественно жировые. На рисунках 10A и 10B представлены рентгеновские маммографические изображения, в то время как на рисунках 10C-F

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Калибровка в данном контексте имеет два различных значения. Во-первых, речь идет о коррекции измеренных данных рассеяния, чтобы результаты можно было точно включить в численные модели. Во-вторых, речь идет о калибровке самого векторного анализатора цепей (векторного анализатора цепей).

Перед любой калибровкой или измерением векторный анализатор цепей должен быть включен не менее чем за 15 минут, а индикатор READY на электронном калибровочном м...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Авторы заявляют об отсутствии коммерческих или финансовых отношений с какими-либо компаниями, имеющими отношение к данной работе.

Благодарности

Данное исследование было проведено при поддержке гранта Японии на научные и технологические исследования, 24K10872. Это исследование было поддержано грантами JSPS KAKENHI и Японского агентства медицинских исследований и разработок (AMED). Авторами поданы патентные заявки, связанные с технологией, описанной в данной статье.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
АспираторКАК ОДНОDAS-01
цифровой IOНациональные инструментыUSB6501
Модуль калибровки электроникаAgilent85093CСнято с производства. Замените на 85093D.
Электромагнитный симуляторMurata SoftwareFEMTET
Excel VBAMicrosoftОфис
Кабель преобразования GPIB USBНациональные инструментыGPIB-USB-HS
Числовое программное обеспечениеMathworksMatlab
VNAKeysightE5071C

Ссылки

  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).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Визуализация рака молочной железымикроволновая визуализацияобратное рассеяниетомографическая визуализацияреконструкция изображенийнеионизирующая визуализацияплотная ткань молочной железывизуализация без облучения
Клиническая визуализация микроволновой маммографии
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.