一种乳腺肿瘤检测系统的制作方法

本发明涉及医疗技术领域，尤其涉及一种乳腺肿瘤检测系统。

背景技术：

基于微波成像技术的乳腺癌检测方法已被大量研究报道并展示出很好的临床应用潜力，它可以判断出肿瘤的位置，然而在临床诊断中更重要的是在成像的过程中做出肿瘤是否恶性的初诊判断，由于乳腺的非均匀性特别是致密型乳腺腺体，使微波图像难于判断肿瘤的大小及边缘形态，为了克服这种困难，可以通过分析成像过程中采集到的电磁波波谱，利用波谱中隐含的复共振频率信息辨别目标的边缘形态，达到辨别肿瘤性质的目的。然而准确地提取电磁波中的共振频率十分困难，不可避免的受到测量天线、乳腺腺体、皮肤反射、设备噪声等因素的影响导致识别效果不理想。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的是提供一种乳腺肿瘤检测系统。

本发明所采用的技术方案是：一种乳腺肿瘤检测系统，包括发射天线、接收天线和处理器，所述处理器用于执行步骤：基于自适应波束成形方法获取肿瘤散射信号其中，为第一加权系数，为初始波形的时间函数，上标t为转置符号；提取所述肿瘤散射信号的复共振频率，基于所述复共振频率的指数输出检测结果。

优选地，所述基于自适应波束成形方法获取肿瘤散射信号的步骤包括：获取肿瘤散射的原始信号yi(t)＝a(t)si(t)+ei(t)，其中，yi(t)＝[yi,1(t),…,yi,m(t)]^t为通过第i个发射天线激励，由1到m个接收天线得到的经过预处理的信号向量，si(t)为通过第i个发射天线激励并在乳腺成像空间任一散射点的散射信号，a(t)为信号的导向矢量，ei(t)是散射点外的所有干扰信号及噪声的和；将yi(t)向量中的所有信号在时域上调整到位置r0以使导向矢量的模值处于预设范围内；基于粒子群优化算法或遗传算法以获取加权系数基于所述加权系数输出初始波形的时间函数其中，y(t0)＝[y1(t0),y2(t0),…,ym(t0)]。

优选地，所述处理器还用于执行步骤：将yi(t)向量中的所有信号在时域上调整到位置r0以使导向矢量达到生成协方差矩阵在条件优化目标函数的限制下；基于粒子群优化算法或遗传算法获取加权系数

优选地，所述处理器还用于执行步骤：基于预设的最小均方差目标函数处理所述时间函数以获取瘤散射信号，其中，为拟恢复的真实波形，s(t)为真实波形且其均值为零。

优选地，所述处理所述时间函数以获取瘤散射信号的步骤包括：

最小化求解所述最小均方差目标函数以获取第二加权系数wβ＝βwrcb，其中，s为未知真实信号波形，获取先验信息以作为信号多项式，将信号多项式展开的两个最大极值p1，p2代替|s|²以获取改进系数结合改进系数和时间函数以获取瘤散射信号。

优选地，所述处理器还用于执行步骤：基于矩阵束处理所述瘤散射信号以获取级数：其中，sk＝αk+j2πfk，为复共振频率的第k个极值点，指数αk，fk，ck分别为复共振频率的衰减系数、共振频率、复幅值，基于指数αk，fk，ck输出检测结果。

优选地，所述基于指数αk，fk，ck输出检测结果的步骤包括：令exp(skt)＝zk，离散化时间以使t＝(1,…,p)·δt，转换级数为p＝1,…,p；设置复共振频率的误差估计值其中，z为复共振频率参考值，为拟判别的疑似肿瘤散射的波形；根据误差估计值fnorm输出检测结果。

本发明的有益效果是：基于自适应波束成形方法获取肿瘤散射信号提取所述肿瘤散射信号的复共振频率，基于所述复共振频率的指数输出检测结果，能够降低肿瘤判断风险，提高自动化辨识肿瘤速度和准确度。

附图说明

图1是基于本发明的实施例的肿瘤检测步骤的示意图；

图2是基于本发明的实施例的复共振频率平面图；

图3是基于本发明的实施例的复共振频率误差估计示意图；

图4是基于本发明的实施例的肿瘤判断流程的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

基于本发明的实施例1

本实施例用于说明本发明解决技术问题的原理和步骤，乳腺扫描螺旋移动装置在移动过程中，主控模块控制矢量网络分析仪的某个端口发射微波信号，微波信号通过电缆信号线传导到微波天线(包括发射天线、接收天线)上，并通过微波天线辐射到检测容器的空间中，微波信号透过或碰到乳腺或检测体(乳腺体模)反射到其他微波天线上，其他微波天线接收到回波散射信号通过电缆信号线传到矢量网络分析仪的其余信号端口，矢量网络分析仪记录回波原始电磁波信号完成单次扫描，主控模块通过控制不同矢量网络分析仪端口信号的收发完成网络扫描，并将数据发送到pc端(处理器)进行处理。

如图1所示的肿瘤检测步骤：基于自适应波束成形方法获取肿瘤散射信号其中，为第一加权系数，为初始波形的时间函数，上标t为转置符号；提取所述肿瘤散射信号的复共振频率，基于所述复共振频率的指数输出检测结果。

基于本发明的实施例2

本实施例用于解释优选方案:

首先，微波天线接收到的原始电磁波信号需要经过预处理，包括滤波及校准，定义经预处理得到的信号为

yi(t)＝a(t)si(t)+ei(t)(1)，其中，yi(t)＝[yi,1(t),…,yi,m(t)]^t为通过第i个发射天线激励，由1到m个接收天线得到的经过预处理的信号向量，si(t)为通过第i个发射天线激励并在乳腺成像空间任一散射点的散射信号，a(t)为信号的导向矢量，ei(t)是散射点外的所有干扰信号及噪声的和。

在微波成像中，将yi(t)向量中的所有信号在时域上调整到位置r0，使导向矢量达到并使导向矢量满足条件：其中，δ为描述导向向量误差的限值，一般选取较小数字(即预设范围)；[·]^t代表转置，协方差矩阵可由预处理信号向量yi(t)构成：其中y(t0)＝[y1(t0),y2(t0),…,ym(t0)]；

为求得未知导向矢量a(t0)，给出条件优化目标函数(即目标函数)为：

将式(4)改为：

其中ξ为优化系数，式(5)包含了式(4)的约束条件，可以采用粒子群优化算法(pso)或遗传算法(ga)求得导向矢量和系数ξ，将得到的导向矢量代入rcb波束成形以获取加权系数则对应的初始波形的时间函数表示为：

基于本发明的实施例3

自适应波束成形方法虽然保证了信号的最小均方差，但不能保证信号波形的最近似估计,因此，本实施例用于在实施例2的基础上提供了一种最小方差目标函数，可以对波形进行估计，克服拟恢复信号在波形上的误差：

首先，定义新的最小均方差目标函数：

其中为拟恢复的真实波形，s(t)为真实波形且其均值为零，对式(8)的最小化求解可以得到：w＝|s|²(ry+|s|²aa^h)^-1a(9)，为了简便本实施例省去时间函数t，则式(9)也可以表示为自适应波束成形rcb方法乘以系数β：

wβ＝βwrcb(10)，其中，s为未知真实信号波形，为了得到|s|²的近似估计，我们提出通过先验信息并且在此先验信息为信号多项式展开的两个最大极值p1，p2代替真实信号|s|²。则改进后的系数β(即改进系数)为：其中p1，p2为使用matrixpencil(mp)方法将初始信号展开为复指数形式时的幅值，则得到的最终信号波形(即肿瘤散射信号)为：

基于本发明的实施例4

本实施例用于解释提取复共振频率的过程：

假定疑似肿瘤的位置已被微波成像或其它影像工具确定，现在通过对m个接收端(接收天线)接收到的信号yi(t)分析，将r0点的位置调整为疑似肿瘤所在位置，由式(1)-(13)可得肿瘤组织散射的准确微波信号波形；在得到的疑似肿瘤波形函数上提取复共振频率complexnaturalresonance(cnr)；复共振频率可以反映被测目标的几何形状及边缘形态，达到辨别恶性或良性肿瘤的目的；

通过matrixpencil方法提取信号上的复共振频率：我们定义信号通过matrixpencil方法展开为级数：其中，sk＝αk+j2πfk(15)为复共振频率的第k个极值点，αk，fk，ck分别为复共振频率的衰减系数、共振频率、复幅值。

对式(15)中的αk，fk制作如图2的复共振频率平面图，根据实验的数据，在共振频率1-6ghz情况下，良性肿瘤的衰减系数的绝对值为8/15,恶性肿瘤的衰减系数的绝对值为2/4；恶性肿瘤与良性肿瘤由于边缘形态的显著不同造成在复共振频率上衰减系数的明显区别，纵轴为衰减系数的绝对值|αk|，横轴为共振频率，良性肿瘤和恶性肿瘤的衰减系数在图中的差异为4:1，即根据复共振频率的指数可以判断肿瘤的类型(即指数在预设的阈值范围内则输出一个判断值)。

基于本发明的实施例5

本实施例用于在实施例4的基础上，进一步解释优选方案：

复共振频率的指标可以帮助诊断肿瘤是否为恶性或良性，其中恶性肿瘤相比良性肿瘤有更低的衰减系数|αk|；然而衰减系数的取值范围并无规范，不同乳房的环境和肿瘤的形状会造成截然不同的衰减系数。

因此，本实施例提出一种归一化的判别复共振频率上衰减系数αk和共振频率fk的方法，令式(14)中的exp(skt)＝zk，并离散化时间使t＝(1,…,p)·δt，则式(14)变为：规定复共振频率的误差估计值fnorm定义为：其中，z为复共振频率参考值，为拟判别的疑似肿瘤散射的波形；误差估计值0≤fnorm≤1，它反映的是肿瘤边缘不规则的程度，数值越大表明肿瘤表面越不规则，因此越可能是恶性肿瘤；相反数值越小表明肿瘤边缘光滑、清晰，越有可能是良性肿瘤。

将图2中的复共振频率经过误差估计fnorm归一化如图3所示复共振频率误差估计示意图，其中，在共振频率1-6ghz情况下，良性肿瘤的误差估计值为0.2/0.3,恶性肿瘤的误差估计值为0.8/0.85，在该处理方式下，可以避免了因衰减系数差异过大引起的误读。

基于本发明的实施例6

本实施例用于提供一个如图4所示的肿瘤判断流程：

原始电磁波信号经过滤波、校准等预处理，然后用rcb方法得到肿瘤散射信号的初步波形构造新的最小方差目标函数建立新的加权系数(其中，还包括如上述实施例的基于matrixpencil方法进行系数的计算)以得到肿瘤散射信号的准确波形根据准确波形的复共振频率的指数判断肿瘤性质(还包括如上述实施例的基于matrixpencil方法进行误差估计fnorm的计算，借由fnorm判断肿瘤性质)。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。