微波超表面传感器与人工智能用于早期乳腺瘤检测

科学领域:

• 生物医学工程 生物医学工程
• 人工智能的人工智能
• 微波传感器可以通过微波传感器进行检测.

背景情况:

• 早期发现乳腺瘤对于有效治疗和改善患者的治疗结果至关重要.
• 目前的检测方法在灵敏度和特异性方面存在局限性,特别是在密集的乳腺组织中.
• 与人工智能集成的先进传感技术为增强诊断能力提供了潜在的潜力.

研究的目的:

• 开发和验证一种与人工智能 (AI) 集成的新型微波超表面传感器,用于乳腺瘤检测.
• 评估传感器在不同乳腺组织密度和瘤大小的灵敏度和准确性.
• 通过实验验证,证明结合系统的实际可用性.

主要方法:

• 作为输入数据,利用了137个现实的3D数值乳房幽灵 (C1-C4类) 与不同瘤大小的输入数据.
• 开发了一个自定义的神经网络,使用交叉损失和AdamW优化器进行训练.
• 分析了瘤检测反射系数 (S11) 的大小和相位的变化.
• 制造了传感器,并使用物理乳房幽灵验证了其性能.

主要成果:

• 人工智能模型实现了99%的准确性,对于个别的乳腺组织类别,具有完美的精度,回忆和F1得分.
• 在实验验证实与物理乳房幻影的实验验证中,证明了可靠的10毫米瘤检测.
• 对配对类组合的准确性有所不同 (C1/C2为71%;C2/C3为65%),并且在所有四个类组合中下降到50%左右.

结论:

• 微波超表面传感和人工智能的整合为乳腺瘤检测提供了一个高度有效的方法.
• 开发的系统显著有望提高乳腺癌诊断的准确性和可靠性.
• 进一步研究优化系统的复杂,多类场景是有必要的.