研究人员提出新型射频成像算法并应用于乳腺癌诊断

研究人员提出新型射频成像算法并应用于乳腺癌诊断

乳腺癌是全球女性面临的重大健康挑战之一。传统乳腺影像技术，如乳腺X线摄影、磁共振成像和计算机断层扫描，虽然在临床诊断中发挥重要作用，但通常存在设备成本高、可及性受限、检查流程复杂或不适合频繁重复监测等问题。

相比之下，射频（RF）射频成像与感知技术具有无电离辐射、低功耗、可小型化和潜在可穿戴化等优势，能够通过探测健康组织与肿瘤组织之间的介电特性差异，为乳腺疾病筛查与连续健康监测提供新的技术路径。

围绕乳腺射频信号的智能诊断需求，中国科学院深圳先进技术研究院研究员聂泽东团队提出了基于RF-BreastNet的射频物理深度学习框架，相关成果近日发表在《IEEE天线与传播汇刊》上。

研究团队提出的RF-BreastNet能够直接从射频信号中提取关键特征，实现乳腺肿瘤检测、空间定位和尺寸分类三项任务的联合分析。实验结果显示，RF-BreastNet在乳腺肿瘤检测任务中的准确率达到97.19%，肿瘤定位任务中的R2达到93.37%，肿瘤尺寸分类准确率达到98.35%。在多种数据增强策略中，幅度扭曲表现出最稳定且综合性能最优的结果，说明符合信号物理特性的增强方法对于提升微波乳腺成像分析性能具有重要价值。

该研究展示了多模态射频信号感知与层级特征提取技术在无重建乳腺肿瘤分析中的应用潜力。RF-BreastNet不仅能够判断肿瘤是否存在，还能够进一步估计肿瘤空间坐标并识别尺寸类别，为未来便携式、低成本、可重复的乳腺筛查系统提供了重要方法基础，尤其适用于基层医疗、资源受限地区和需要长期随访的健康管理场景。

该研究的意义并不局限于乳腺肿瘤诊断。射频信号具有无电离、低功耗、可非接触/近场部署、对组织介电变化敏感以及较好隐私保护等特点，有望成为主动健康和具身智能系统中的重要感知模态。

在主动健康场景中，射频传感可与可穿戴设备、床旁设备、智能座椅、居家养老终端或康复机器人结合，用于体征监测、组织状态评估、风险预警和干预反馈。在具身智能场景中，射频感知可为机器人、机器狗和智能座舱提供不同于视觉、语音和触觉的身体状态感知能力，提升人机协作、居家照护、康复训练和安全防护等场景的适应性与可靠性。

相关论文信息：https://ieeexplore.ieee.org/document/11369863

主题：射频|RF-BreastNet