CN103300826A - 一种用于早期乳腺肿瘤超宽带微波检测的成像方法 - Google Patents
一种用于早期乳腺肿瘤超宽带微波检测的成像方法 Download PDFInfo
- Publication number
- CN103300826A CN103300826A CN 201310222058 CN201310222058A CN103300826A CN 103300826 A CN103300826 A CN 103300826A CN 201310222058 CN201310222058 CN 201310222058 CN 201310222058 A CN201310222058 A CN 201310222058A CN 103300826 A CN103300826 A CN 103300826A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- tumor
- signal
- energy value
- breast
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明属于生物医学检测技术领域,涉及一种用于早期乳腺肿瘤超宽带微波检测的成像方法,步骤为:对天线阵列的各探测信号进行时间延迟移位处理;将同一发射天线发射不同接收天线接收到的各组信号的幅值排列成矩阵,并求协方差矩阵;对每个发射天线的所有探测信号进行加权相加处理;分别用各组信号对应的权重乘以该组探测信号再相加,得到1组“加权肿瘤信号”,然后对该“加权肿瘤信号”进行加窗的处理;将肿瘤反射信号区间的所有幅值取平方后相加,作为反射能量值,求取关于r点的能量值;对r点的能量值进行平滑处理,得到r点的“加权能量值”;对整个乳房组织区域进行扫描成像,得到乳房内部的能量值分布图。本发明具有较好的抗噪声的能力。
Description
所属技术领域
本发明属于生物医学检测技术领域,涉及一种微波探测成像方法。
背景技术
乳腺肿瘤是女性发病率最高的恶性肿瘤疾病,死亡率居妇女恶性肿瘤死亡率之首。早期乳腺肿瘤的诊断无疑对于提高乳腺病的治疗率以及患者的远期成活率都具有决定性意义。目前常用的早期乳腺癌的检测方法包括乳腺X线摄影术、超声波影像技术、计算机断层扫描、核磁共振成像技术、热成像检测等,但诸多方法均存在一定的缺点,如对人体产生辐射伤害、成像对比度低、费用较高等。超宽带电磁波检测乳腺癌的原理在于不同生物组织对电磁波的吸收、反射及透射特性不同,使得天线发射的脉冲信号在乳腺组织中传播时所产生的电磁场能够反映恶性组织的丰富信息。同时超宽带微波信号具有辐射功率低、目标信息携载量大、提供毫米级定位和检测成本较低等优点,能作为早期乳腺检测的常规手段。而成像算法对于检测结果如探测深度、最小检测肿瘤尺寸和成像分辨率均有重要影响,因此成像算法的研究具有至关重要的意义。
由于乳房组织中大量腺体组织、毛细血管等存在,会对成像结果产生一定的影响,因此成像算法必须具有较好的抗噪声的能力,保证成像结果具有较高的对比度,根据成像结果能够直观的实现肿瘤尺寸的判断和定位。
发明内容
本发明的目的是提供一种抗噪声能力强,能够保证成像结果具有较高的对比度的适用于超宽带微波早期乳腺肿瘤检测系统的成像算法。本发明给出的成像方法具有较好的稳健性,能够实现不同深度的、较小尺寸的肿瘤的检测。本发明的技术方案如下:
一种用于早期乳腺肿瘤超宽带微波检测的成像方法,该方法采用超宽带微波信号为扫描信号,将N个天线组成的天线阵列排布于待检乳房正上方,对于某发射天线,其产生扫描信号经待检乳房反射后被多个接收天线接收,选择一个接收天线作为一个收发组,设i、j分别为发射天线和接收天线的序号,扫描r点为待检乳房内的任意点,定义该点至该发射天线和该接收天线的距离总和除以电磁波传播速度,为该扫描点r的探测用时,记为τi,j(r),成像方法如下:
(1)对天线阵列的各探测信号进行时间延迟移位处理,使得各探测信号中来自扫描点r的反向散射信息能够归一至同一时间节点,方法为:计算待检乳房中距离收发天线路程最远的时间值,设其为nmax。并用nmax分别减去各收发组的探测用时,将所有肿瘤反射信号时移到同一时间位置记为为ni,j(r);
(2)将同一发射天线发射不同接收天线接收到的各组信号的幅值排列成矩阵,对于一个天线,共接收N-1组信号,从而得到一个“(N-1)×信号长度”的矩阵,然后对该矩阵求协方差矩阵R;
(3)对每个发射天线的所有探测信号进行加权相加处理,即对接收的时域信号按时间段赋予不同的权重,该权重体现时域信号不同时间点上幅值信息的相关程度,采用最优化方法求取该权重,约束条件为: 需要求出的即为 等于最小值时as值,方法如下:首先设定一个作为as的初始值,我们限定和as无限接近,利用最优化方法求出as;继而得到权重公式:其中,为as的共轭转置矩阵,ε0代表最小的正数,常数M=N,初始值为初始构造的单位列向量,向量维数和常数M均为接收天线个数(N-1);
(4)分别用各组信号对应的权重乘以该组探测信号再相加,得到1组“加权肿瘤信号”,然后对该“加权肿瘤信号”进行加窗的处理;
(5)将肿瘤反射信号区间的所有幅值取平方后相加,作为反射能量值Pi(r),
所有天线完成探测以后得到的关于r点的能量值表示为:
P(r)=[P1(r),P2(r),P3(r),…P,N-1(r),PN(r)];
(6)对r点的能量值采用空间平滑处理,得到r点的“加权能量值”;
(7)根据任意扫描r点的“加权能量值”,对整个乳房组织区域进行扫描成像,得到乳房内部的能量值分布图,实现肿瘤的检测识别。
步骤(6)中的空间平滑处理方法如下:首先构造一个r点的能量值为基础L×(N-3)的构造平滑矩阵 其中,L的大小在(N/3)和(N/2)之间,计算出M(r)的协方差矩阵,并将其当作步骤3里的R矩阵,重复第3步骤的过程,求出一个L行1列的加权向量w;w乘以M(r)矩阵的第一列,得出数值C1,再乘以第二列,得出数值C2,以此类推,最后得到CN-L+1。将(N-L+1)个值相加得到r点的“加权能量值”。
按照上述步骤将天线阵列的接收信号进行延时移位,采用波束形成器对移位后的天线阵列接收信号进行加权叠加的处理,能够使得肿瘤的散射信号得到增强,对噪声信号产生抑制;对加权后的信号进行加窗的处理,计算得到扫描点的能量值。通过对乳房组织区域的扫描,得到整体的能量值分布图,实现肿瘤的检测识别。在具体实施方式里可以看出,通过改变肿瘤的尺寸和位置来验证成像算法的有效性,给出三组不同的肿瘤参数,重构图像均能实现肿瘤的检测。结果表明该成像算法能有易于超宽带微波系统实现早期乳腺肿瘤检测。
附图说明
图1天线阵列结构图单位:(mm);
图2三维乳房组织的几何待检乳房单位:(mm);
图3中心频率5GHz的一阶高斯信号;
图4从上至下的四个图分别为有肿瘤时A1发射,A4、A7、A8和A9的接收波形;
图5从上至下的四个图分别为有肿瘤时A1发射,A4、A7、A8和A9的肿瘤部分波形;
图6从上至下的四个图分别为A1发射,A4、A7、A8、和A9时移后的肿瘤散射波形;
图7A2~A8天线探测信号时移加权过后的肿瘤散射波形;
图8肿瘤直径6mm,肿瘤位置(35,60,30)的X-Z和Y-Z方向切片图;
图9肿瘤直径6mm,肿瘤位置(35,60,30)的X-Y和Y-Z方向切片图;
图10肿瘤直径3mm,肿瘤位置(35,60,30)的X-Z和Y-Z方向切片图;
图11肿瘤直径3mm,肿瘤位置(35,60,30)的X-Y和Y-Z方向切片图;
图12肿瘤直径3mm,肿瘤位置(40,40,40)的X-Z和Y-Z方向切片图;
图13肿瘤直径3mm,肿瘤位置(40,40,40)的X-Y和Y-Z方向切片图。
具体实施方式
本发明对超宽带微波早期乳腺肿瘤检测系统中天线的接收信号运用波束形成成像算法实现对早期乳腺肿瘤的检测。下面结合附图和实施例对本发明进行说明。
图1和图2分别为探测系统所采用的天线阵列结构和乳房组织模型。为满足成像分辨率和探测深度的要求采用中心频率为5GHz、带宽为10GHz的一阶导高斯信号,信号波形如图3所示。具体实施过程如下:
1.将天线阵列排布于乳房模型(本实施例建立了仿体,相当于实际微波检验中的待检乳房)正上方。选择其中一个天线作为发射天线,剩余天线作为接收天线。发射天线产生扫描信号经乳房模型反射后被多个接收天线接收。选择发射天线,再选择其中一个接收天线作为一个收发组,乳房模型内部任意点(r点)至该发射天线和该接收天线的距离总和除以电磁波传播速度,为该探测点的探测用时,计算方法如公式1。
其中i、j为天线的序号,V是电磁波在乳房组织中的传播速度,ri-r、rj-r分别表示发射天线Ai、接收天线Aj和r之间的距离,Δt为采样的时间间隔。
2.对天线阵列的各接收信号进行时间延迟移位处理,使得各接收信号中来自扫描点r的反向散射信息能够归一至同一时间节点,从而使得各接收信号的散射信号能够得到增强。具体实施方法如下所示。,当r点为肿瘤时,通过4个不同收发组接收到的肿瘤反射信号如图5所示。由于电磁波传播距离的不同。反射信号出现的时间点会有差异。图5中4个小图加黑方框出显示的为肿瘤反射信号出现的时间。为了将肿瘤信号加强。我们必须将4组出现时间不同的肿瘤反射信号挪放至同一时间位置。得到如图6的同一时间位置肿瘤反射信号。图6的处理过程称为信号的时移,具体过程见步骤3
3.为了保证时移后信号长度足够完成对整个肿瘤模型的成像扫描。我们首先计算模型中距离收发天线路程最远的时间值,并设其为nmax。并用nmax分别减去步骤1中各收发组的探测用时,便可以将所有肿瘤反射信号时移到同一时间位置。公式2为时移计算公式。
ni,j(r)=nmax-τi,j(r) (2)
其中,nmax为乳房模型中电磁波在收发天线和扫描点的最大传播时间延迟。
4.进过第三步的处理后,所有收发组的信号均统一为同样长度,我们将同一发射天线发射不同接收天线接收到的各组信号的幅值排列成矩阵,比如说1号天线发射,2至9号天线接收。共接收8组信号,那么我们得到一个“8×信号长度”的矩阵。然后对该矩阵求协方差矩阵R。波束形成算法中,对信号进行加权叠加处理,即对接收的时域信号按时间段赋予不同的权重。该权重体现时域信号不同时间点上幅值信息的相关程度,对检测图形的分辨率以及检测系统的抑制噪声的能力具有重要影响,加权系数的选择至关重要,这里我们用上面已经求出的8组信号协方差矩阵R约束8组信号的加权系数的选取。约束方法采用最优化方法。约束条件如下公式3所示。
上式中,我们想要求出的即为等于最小值时as值,R上面已经求出。我们首先设定一个作为as的初始值,我们限定和as无限接近,这样我们就用最优化算法求出了as。故我们令 是限制和as无限接近的条件,初始值是我们构造的单位列向量,向量维数为接收天线个数,8个接收天线情况下as为[1,1,1,1,1,1,1,1]T,M为阵元的接收天线的个数,这里是8个接收天线,故M=9。上式经最优化方法计算最后得出权重为公式4所示。
5.第四步求出8组信号的权重后,分别用各组信号对应的权重乘以该组信号再相加,得到1组“加权肿瘤信号”。然后我们对该“加权肿瘤信号”进行加窗的处理。加窗的目的是去除信号的冗余部分,只显示有用的肿瘤信号。采用的窗函数如公式5所示:
由于医学上将直径小于10mm的肿瘤定义为早期乳腺肿瘤,上式中l定义为电磁波穿过直径为10mm的肿瘤所需要的时间步长。我们将公式5中的窗函数加到原信号上即可直接滤除不是肿瘤的信号,因为公式5中限定,电磁波在肿瘤中传播的过程中幅值×1,而电磁波经过其他区域时幅值×0。这样肿瘤信号幅值维持不变,其他幅值转化为0。加窗处理方法为xi(r)h[n]。然后我们将肿瘤反射信号区间的所有幅值取平方后相加,作为反射能量值Pi(r)
至此,1号天线发射2至8号天线接收的r点能量值完成计算得到P1(r),P1(r)中1的代表1号天线获取的r点反射能量值。同理P2(r)表示2号天线获取的r点反射能量值,依次向下类推。所有天线完成探测以后得到的关于r点的能量值可以表示为
P(r)=[P1(r),P2(r),P3(r),...,P8(r),P9(r)] (7)
6.为了更好成像,对公式7采用空间平滑处理,平滑过程我们使用自适应信号处理的知识构造一个以公式7为基础4×6的构造平滑矩阵M,如公式8所示。我们计算出M的协方差矩阵,并将其当作步骤4里的R矩阵,重复第4步骤的过程,求出一个4行1列的加权向量w,
我们将w乘以M(r)矩阵的第一列,得出数值C1,再乘以第二列,得出数值C2,以此类推,最后得到C6。将6个值相加得到“加权能量值”。即r点能量值。
7.按照前6项步骤对整个乳房组织区域进行扫描成像,得到乳房内部的能量值分布图,肿瘤在图上显示出高能量值,实现肿瘤的检测识别。
为验证早期乳腺肿瘤超宽带微波检测系统的成像算法的有效性,采用图2所示的乳房组织模型进行探测。模型尺寸设定为80mm×80mm×80mm天线阵列排布在皮肤层上,为接近真实探测环境,依次设立空气层、皮肤层、脂肪层、肋骨层,其中腺体和肿瘤存在于脂肪层中,天线阵列分布于皮肤层。直径为3mm的肿瘤位于(35,60,30),图4为有肿瘤时A1发射,A4、A7、A8和A9的接收波形。这里采用无肿瘤存在时的乳房散射信号作为基准信号,通过将有肿瘤存在时的散射信号和基准信号想将,从而实现肿瘤散射信号的提取。图5给出了A1发射,A4、A7、A8和A9的肿瘤散射波形。图6为A1发射,A4、A7、A8和A9时移后的肿瘤散射波形。从图中可以看出经过时移处理,各个接收天线接收的肿瘤散射信号被归一于同一时间节点。图7为A2~A8天线接收信号时移加权后的肿瘤散射波形,可以看出肿瘤的散射信号部分得到了增强。分别完成了三种不同情况的乳腺肿瘤参数的仿真从而验证算法的有效性。第一种情况是肿瘤直径6mm,位置坐标(35,60,30),第二种情况是肿瘤直径3mm,位置坐标(35,60,30),第三种情况是肿瘤直径3mm,位置坐标为(40,40,40)。图8~图13分别为三种情况的乳房重构图像的轴方向的切片图。图像中均能实现肿瘤的检测。
Claims (3)
1.一种用于早期乳腺肿瘤超宽带微波检测的成像方法,该方法采用超宽带微波信号为扫描信号,将N个天线组成的天线阵列排布于待检乳房正上方,对于某发射天线,其产生扫描信号经待检乳房反射后被多个接收天线接收,选择一个接收天线作为一个收发组,设i、j分别为发射天线和接收天线的序号,扫描r点为待检乳房内的任意点,定义该点至该发射天线和该接收天线的距离总和除以电磁波传播速度,为该扫描点r的探测用时,记为τi,j(r),成像方法如下:
(1)对天线阵列的各探测信号进行时间延迟移位处理,使得各探测信号中来自扫描点r的反向散射信息能够归一至同一时间节点,方法为:计算待检乳房中距离收发天线路程最远的时间值,设其为nmax。并用nmax分别减去各收发组的探测用时,将所有肿瘤反射信号时移到同一时间位置记为为ni,j(r);
(2)将同一发射天线发射不同接收天线接收到的各组信号的幅值排列成矩阵,对于一个天线,共接收N-1组信号,从而得到一个“(N-1)×信号长度”的矩阵,然后对该矩阵求协方差矩阵R;
(3)对每个发射天线的所有探测信号进行加权相加处理,即对接收的时域信号按时间段赋予不同的权重,该权重体现时域信号不同时间点上幅值信息的相关程度,采用最优化方法求取该权重,约束条件为: ,需要求出的即为 等于最小值时as值,方法如下:首先设定一个作为as的初始值,我们限定和as无限接近,利用最优化方法求出as;继而得到权重公式:其中,为as的共轭转置矩阵,ε0代表最小的正数,常数M=N,初始值为初始构造的单位列向量,向量维数和常数M均为接收天线个数(N-1);
(4)分别用各组信号对应的权重乘以该组探测信号再相加,得到1组“加权肿瘤信号”,然后对该“加权肿瘤信号”进行加窗的处理;
(5)将肿瘤反射信号区间的所有幅值取平方后相加,作为反射能量值Pi(r),
所有天线完成探测以后得到的关于r点的能量值表示为:
P(r)=[P1(r),P2(r),P3(r),...P,N-1(r)P,N(r)];
(6)对r点的能量值采用空间平滑处理,得到r点的“加权能量值”;
(7)根据任意扫描r点的“加权能量值”,对整个乳房组织区域进行扫描成像,得到乳房内部的能量值分布图,实现肿瘤的检测识别。
3.根据权利要求1所述的用于早期乳腺肿瘤超宽带微波检测的成像方法,其特征在于,步骤(6)中的空间平滑处理方法如下:首先构造一个r点的能量值为基础L×(N-3)的构造平滑矩阵 其中,L的大小在(N/3)和(N/2)之间,计算出M(r)的协方差矩阵,并将其当作步骤3里的R矩阵,重复第3步骤的过程,求出一个L行1列的加权向量w;w乘以M(r)矩阵的第一列,得出数值C1,再乘以第二列,得出数值C2,以此类推,最后得到CN-L+1。将(N-L+1)个值相加得到r点的“加权能量值”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201310222058 CN103300826A (zh) | 2013-06-06 | 2013-06-06 | 一种用于早期乳腺肿瘤超宽带微波检测的成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201310222058 CN103300826A (zh) | 2013-06-06 | 2013-06-06 | 一种用于早期乳腺肿瘤超宽带微波检测的成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103300826A true CN103300826A (zh) | 2013-09-18 |
Family
ID=49126866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201310222058 Pending CN103300826A (zh) | 2013-06-06 | 2013-06-06 | 一种用于早期乳腺肿瘤超宽带微波检测的成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103300826A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103908228A (zh) * | 2014-02-17 | 2014-07-09 | 天津大学 | 一种双通道肿瘤超宽带信号提取方法 |
CN105326476A (zh) * | 2015-09-23 | 2016-02-17 | 天津大学 | 一种超宽带微波乳房图像成像方法 |
CN105534479A (zh) * | 2015-12-31 | 2016-05-04 | 深圳市一体医疗科技有限公司 | 一种多模态微波乳房成像方法及系统 |
CN105708456A (zh) * | 2015-12-31 | 2016-06-29 | 深圳市一体医疗科技有限公司 | 一种多模态微波扫描成像方法及系统 |
CN105708414A (zh) * | 2015-12-31 | 2016-06-29 | 深圳市一体医疗科技有限公司 | 一种微波扫描乳房成像方法及系统 |
CN105725965A (zh) * | 2015-12-31 | 2016-07-06 | 深圳市体医疗科技有限公司 | 一种多模态微波扫描乳房成像方法及系统 |
CN106959306A (zh) * | 2017-05-11 | 2017-07-18 | 天津大学 | 一种利用微波反射时域s21信号进行乳房肿瘤成像的方法 |
CN109645997A (zh) * | 2018-10-30 | 2019-04-19 | 水尚通讯技术(上海)有限公司 | 基于真实天线与解剖模型的介质探测系统与方法 |
CN110742606A (zh) * | 2019-10-12 | 2020-02-04 | 东华大学 | 基于长短时记忆的超宽带微波乳腺肿瘤大小预测系统 |
JPWO2019103057A1 (ja) * | 2017-11-27 | 2020-06-18 | 国立大学法人広島大学 | 異常組織検出装置 |
-
2013
- 2013-06-06 CN CN 201310222058 patent/CN103300826A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103908228A (zh) * | 2014-02-17 | 2014-07-09 | 天津大学 | 一种双通道肿瘤超宽带信号提取方法 |
CN103908228B (zh) * | 2014-02-17 | 2015-08-05 | 天津大学 | 一种双通道肿瘤超宽带信号提取方法 |
CN105326476A (zh) * | 2015-09-23 | 2016-02-17 | 天津大学 | 一种超宽带微波乳房图像成像方法 |
CN105725965A (zh) * | 2015-12-31 | 2016-07-06 | 深圳市体医疗科技有限公司 | 一种多模态微波扫描乳房成像方法及系统 |
CN105708456A (zh) * | 2015-12-31 | 2016-06-29 | 深圳市一体医疗科技有限公司 | 一种多模态微波扫描成像方法及系统 |
CN105708414A (zh) * | 2015-12-31 | 2016-06-29 | 深圳市一体医疗科技有限公司 | 一种微波扫描乳房成像方法及系统 |
CN105534479A (zh) * | 2015-12-31 | 2016-05-04 | 深圳市一体医疗科技有限公司 | 一种多模态微波乳房成像方法及系统 |
CN106959306A (zh) * | 2017-05-11 | 2017-07-18 | 天津大学 | 一种利用微波反射时域s21信号进行乳房肿瘤成像的方法 |
CN106959306B (zh) * | 2017-05-11 | 2019-11-12 | 天津大学 | 一种利用微波反射时域s21信号进行乳房肿瘤成像的方法 |
JPWO2019103057A1 (ja) * | 2017-11-27 | 2020-06-18 | 国立大学法人広島大学 | 異常組織検出装置 |
CN109645997A (zh) * | 2018-10-30 | 2019-04-19 | 水尚通讯技术(上海)有限公司 | 基于真实天线与解剖模型的介质探测系统与方法 |
CN110742606A (zh) * | 2019-10-12 | 2020-02-04 | 东华大学 | 基于长短时记忆的超宽带微波乳腺肿瘤大小预测系统 |
CN110742606B (zh) * | 2019-10-12 | 2021-11-12 | 东华大学 | 基于长短时记忆的超宽带微波乳腺肿瘤大小预测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103300826A (zh) | 一种用于早期乳腺肿瘤超宽带微波检测的成像方法 | |
Davis et al. | Breast tumor characterization based on ultrawideband microwave backscatter | |
O'Halloran et al. | Quasi-multistatic MIST beamforming for the early detection of breast cancer | |
US7340292B2 (en) | Breast cancer detection system | |
US7266407B2 (en) | Multi-frequency microwave-induced thermoacoustic imaging of biological tissue | |
JP6408297B2 (ja) | ビームフォーミング方法、計測イメージング装置、及び、通信装置 | |
Hossain et al. | Beamspace time-reversal microwave imaging for breast cancer detection | |
JP2018050342A (ja) | 異種アンテナアレイを有する広帯域レーダ | |
CN103799982A (zh) | 基于希尔伯特黄变换的超宽带微波检测的快速成像方法 | |
Hossain et al. | Cancer detection in highly dense breasts using coherently focused time-reversal microwave imaging | |
CN102824163B (zh) | 一种用于早期乳腺肿瘤超宽带微波检测的天线阵列 | |
Williams et al. | Breast surface estimation for radar-based breast imaging systems | |
Klemm et al. | Breast cancer detection using symmetrical antenna array | |
CN103300825B (zh) | 一种用于超宽带微波检测的乳腺肿瘤特征信号提取方法 | |
CN101234022A (zh) | 一种微波近场医学体检测方法及其应用 | |
Ahadi et al. | Square monopole antenna application in localization of tumors in three dimensions by confocal microwave imaging for breast cancer detection: Experimental measurement | |
CN104013402A (zh) | 集成经验模式分解超宽带微波检测信号提取方法 | |
Mehranpour et al. | A novel approach of high-resolution UWB microwave imaging system based on an improved 3D back-projection method for early-stage breast cancer detection applications | |
CN105342556A (zh) | 一种基于集成经验模式分解的肿瘤信号提取方法 | |
CN103431841A (zh) | 一种早期乳腺肿瘤的特征极点识别方法 | |
Jin et al. | Breast cancer detection by time reversal imaging | |
KaramFard et al. | 2-stage Delay-Multiply-And-Sum beamforming for breast cancer detection using Microwave Imaging | |
Patel | Microwave imaging for breast cancer detection using 3D level set based optimization, FDTD method and method of moments | |
Girish et al. | Breast cancer detection using deep learning | |
Hossain et al. | Coherent time-reversal microwave imaging for the detection and localization of breast tissue malignancies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130918 |