An experimental system for detection and localization of hemorrhage using ultra-wideband microwaves with deep learning

要約

脳卒中は死亡率と身体障害の主要な原因である。緊急の診断と介入は非常に重要であり、初期の脳画像診断が前提である。しかし、既存の臨床画像診断法は一般に高価で、動かず、高度に専門的な操作と解釈を必要とする。低エネルギーマイクロ波は、イメージングと診断の両方の可能性を持つ、組織の誘電特性の低コスト、小型、高速、安全なプローブとして研究されてきました。それにもかかわらず、マイクロ波再構成に固有の課題が進歩を妨げてきたため、マイクロ波イメージング(MWI)はとらえどころのない科学的目標のままである。ここでは、解剖学的にリアルなヒト頭部モデル内の血液模倣ファントムを変換するロボットナビゲーションシステムからなる専用の実験フレームワークを紹介する。改良型対蹠Vivaldiアンテナの8素子超広帯域（UWB）アレイを開発し、2ポートベクトルネットワークアナライザで0.6～9.0GHz、1mwの動作電力で駆動した。複素散乱パラメータが測定され、出血のクラスと局在を予測するために専用のディープニューラルネットワークを用いて出血の誘電シグネチャが学習された。全体の検出感度と特異度は0.99以上であり、Raylieghの平均局在誤差は1.65mmであった。本研究は、UWBマイクロ波脳卒中検出のためのロバストな実験モデルとディープラーニングソリューションの実現可能性を立証した。

要約(オリジナル)

Stroke is a leading cause of mortality and disability. Emergent diagnosis and intervention are critical, and predicated upon initial brain imaging; however, existing clinical imaging modalities are generally costly, immobile, and demand highly specialized operation and interpretation. Low-energy microwaves have been explored as low-cost, small form factor, fast, and safe probes of tissue dielectric properties, with both imaging and diagnostic potential. Nevertheless, challenges inherent to microwave reconstruction have impeded progress, hence microwave imaging (MWI) remains an elusive scientific aim. Herein, we introduce a dedicated experimental framework comprising a robotic navigation system to translate blood-mimicking phantoms within an anatomically realistic human head model. An 8-element ultra-wideband (UWB) array of modified antipodal Vivaldi antennas was developed and driven by a two-port vector network analyzer spanning 0.6-9.0 GHz at an operating power of 1 mw. Complex scattering parameters were measured, and dielectric signatures of hemorrhage were learned using a dedicated deep neural network for prediction of hemorrhage classes and localization. An overall sensitivity and specificity for detection >0.99 was observed, with Rayliegh mean localization error of 1.65 mm. The study establishes the feasibility of a robust experimental model and deep learning solution for UWB microwave stroke detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL