基于超宽带微波与深度学习的出血检测与定位实验系统
医学物理
2024-09-10 v1 机器学习
摘要
中风是致死和致残的主要原因。紧急诊断与干预至关重要，且依赖于初始脑成像；然而，现有临床成像方式通常成本高、不可移动，且需要高度专业化的操作与判读。低能量微波已被探索作为低成本、小体积、快速且安全的组织介电特性探针，具有成像与诊断潜力。尽管如此，微波重建固有的挑战阻碍了进展，因此微波成像 (MWI) 仍是一项难以实现的科学目标。在此，我们引入一个专用实验框架，包含机器人导航系统以在解剖学真实人头模型中移动仿血液体模。我们开发了一个由两端口矢量网络分析仪驱动的 8 单元超宽带 (UWB) 改进型对踵 Vivaldi 天线阵列，工作频段 0.6-9.0 GHz，工作功率 1 mw。测量了复散射参数，并利用专用深度神经网络学习出血的介电特征以预测出血类别与定位。观测到检测的总体灵敏度与特异度 >0.99，Rayliegh 平均定位误差为 1.65 mm。该研究确立了用于 UWB 微波中风检测的鲁棒实验模型与深度学习方案的可行性。
引用
@article{arxiv.2310.02215,
title = {An experimental system for detection and localization of hemorrhage using ultra-wideband microwaves with deep learning},
author = {Eisa Hedayati and Fatemeh Safari and George Verghese and Vito R. Ciancia and Daniel K. Sodickson and Seena Dehkharghani and Leeor Alon},
journal= {arXiv preprint arXiv:2310.02215},
year = {2024}
}