《IEEE Journal of Electromagnetics, RF and Microwaves in Medicine and Biology》：Fast Synthesis of Breast Monostatic Microwave Response for Massive Dataset Generation
编辑推荐：
为解决乳腺癌微波检测领域因缺乏大型代表性数据集而难以评估和改进算法的瓶颈问题，研究人员开展了“用于大规模数据集生成的乳腺单静态微波响应的快速合成”研究。他们构建了一种结合几何光学、物理光学和全波分析的混合方法，创建了名为MWSensing的数字孪生实验平台。结果表明，该平台能在2-5 GHz范围内快速生成与实验数据性质一致、成像结果相似的微波信号，从而为高效构建大规模微波信号数据集、加速算法验证提供了关键工具。
论文解读
在乳腺癌筛查与诊断的竞技场上，X射线（钼靶）、超声和磁共振（MRI）等技术各显神通，共同构成了当前临床诊断的主要防线。然而，每一种技术都有其局限性，比如辐射暴露、对致密乳腺组织灵敏度不足或成本高昂等。因此，医学界从未停止探寻更安全、更精准、更便捷的替代或补充方法。微波（Microwave, MW）成像技术，便是这样一位备受期待的后起之秀。它利用不同组织对微波能量吸收和散射特性的差异来构建图像，理论上具有无电离辐射、成本相对较低、对软组织（包括肿瘤）具有良好电特性对比度的潜力。但是，在过去几十年的探索中，微波成像技术要真正“登堂入室”，被医学界广泛认可并应用于临床，仍面临着一个根本性挑战：如何证明其价值不亚于甚至优于现有技术？
这个挑战的一大症结，在于数据。任何先进的信号处理与成像算法，其开发、训练、验证与优化都离不开海量、高质量、具有代表性的真实数据。然而，获取大量来自真实患者或高仿真体模的微波实验数据，不仅过程繁琐、耗时长，成本也极高，还存在伦理和一致性的问题。这就好比一位技艺高超的厨师，却苦于没有足够优质的食材来反复试验和精进自己的菜谱。这种“数据荒漠”现象，严重阻碍了微波成像算法的迭代与评估，使得其潜在性能难以得到充分展现和客观比较。
正是在这样的背景下，一项旨在“无中生有”、快速创造大量优质“数字食材”的研究应运而生。研究人员的目标非常明确：构建一个能够高效模拟真实微波实验环境的数字平台，即所谓的“数字孪生（Digital Twin）”。通过这个平台，研究者可以像在计算机中进行虚拟实验一样，快速、低成本地生成海量、多样化的模拟微波信号数据，从而为算法的前期开发和验证提供充足的“养料”。这项重要的成果发表在《IEEE Journal of Electromagnetics, RF and Microwaves in Medicine and Biology》上。
为了创建这个强大的数字孪生系统，研究人员采用了一种创新的“组合拳”策略。他们并没有单一地依赖某一种电磁仿真方法，而是巧妙地将三种方法的优势融合在一起：
- 1.
几何光学（Geometrical Optics, GO）：用于快速处理电磁波在宏观尺度上的直线传播和反射，适用于结构简单、尺寸远大于波长的区域。
- 2.
物理光学（Physical Optics, PO）：在几何光学的基础上，进一步考虑了电磁场的波动特性，能更精确地计算复杂形状物体表面的电流分布和散射场，适合处理中等复杂度的散射问题。
- 3.
全波分析（Full-Wave Analysis）：这是最精确但也最耗时的计算方法，用于精确模拟电磁波与复杂、精细结构（如小型肿瘤或不规则组织界面）的相互作用。在混合方法中，全波分析被用在最关键、最需要精度的核心区域。
这种混合方法的精髓在于“扬长避短、各司其职”：用快速但近似的方法处理大部分背景区域，而将宝贵的计算资源集中在最需要精确模拟的病灶和关键散射体上。研究人员将这个混合模型应用于一个具体的单静态（monostatic，即收发天线同置）微波成像实验装置的数字孪生，并将其命名为“MWSensing”平台。为了使成果惠及更广泛的研究群体，他们已将该平台开源。
研究的核心在于验证：数字孪生模拟出来的信号，到底能不能“以假乱真”，代替真实实验数据用于算法开发？研究人员为此设计了一系列严格的对比实验。他们制备了多种乳房体模（phantom），包括简单的圆柱体、更接近真实形态的椭圆体，以及具有人体形态特征的仿生体模。这些体模的材料被设计成具有与真实乳腺组织相似的电特性（如介电常数、电导率）。同时，体模还被分为均质（homogeneous，仅模拟脂肪或腺体组织）和异质（heterogeneous，模拟包含脂肪、腺体等多种组织类型）两类，以模拟不同的生理情况。最关键的是，研究人员在这些体模内部的不同位置植入了模拟肿瘤的小球。
实验与验证
- •
信号性质对比：在2-5 GHz的频率范围内，研究人员同时使用真实的MWSensing实验装置和其对应的数字孪生平台，对上述各种体模进行扫描，采集微波响应信号。
- •
成像结果对比：利用相同的信号处理与成像算法，分别对实验数据和模拟数据进行处理，重建出乳房内部的微波特性分布图，旨在定位内部的“肿瘤”。
研究结果
通过详尽的对比分析，研究得出了以下关键结论：
- 1.
信号同源性：从MWSensing数字孪生平台生成的模拟微波信号，与从真实实验装置采集到的实验信号，在波形、频谱特征等核心属性上表现出高度的一致性，证明两者在物理本质上是相同的。
- 2.
成像等效性：基于模拟信号重建出的微波图像，与基于实验信号重建出的图像，在肿瘤的定位精度、图像对比度以及伪影（artifact）模式等方面都非常相似。这意味着，用模拟数据训练或测试的成像算法，其性能评估结果能够可靠地反映该算法处理真实数据时的潜在表现。
- 3.
方法有效性：研究成功验证了所提出的“几何光学+物理光学+全波分析”混合建模方法，能够高效且准确地仿真复杂的单静态微波乳腺检测实验。这为快速生成大规模、多样化的微波数据集奠定了坚实的技术基础。
结论与讨论
这项研究的成功，为乳腺癌微波成像乃至更广泛的生物医学电磁成像领域，开辟了一条高效的数据驱动研究新路径。它核心的意义在于解决了“数据稀缺”这一根本瓶颈。通过构建高保真的数字孪生系统，研究人员能够：
- •
极大提升研发效率：在数小时或数天内，即可生成需要数月甚至数年实物实验才能积累的数据量，极大地加速了新算法的概念验证、参数优化和性能基准测试流程。
- •
实现场景定制与风险规避：可以轻松模拟各种在现实中难以制备或存在伦理限制的极端情况（如不同大小、位置、电特性的肿瘤，或各种复杂的组织背景），使算法在投入成本高昂的实物实验或临床实验前，就得到充分而全面的“预训练”和压力测试。
- •
促进算法公平比较：提供了一个标准化的、可重复的数据生成环境，使得来自不同团队的研究者可以在完全相同的数据基础上评估各自的算法，从而进行更公平、更客观的性能比较，推动整个领域的技术进步。
总而言之，这项研究不仅证明了一种快速合成乳腺单静态微波响应的混合方法的有效性，更重要的是，它提供了一个强大的、开源的“数据引擎”——MWSensing平台。这个平台将有望成为微波乳腺成像算法研究社区的基石工具，通过源源不断地生成高质量的模拟数据，降低研究门槛，加速技术迭代，最终为微波成像技术早日实现其临床价值铺平道路。这标志着该领域的研究范式正在从依赖有限且昂贵的实物实验数据，向可扩展、可定制的计算数据驱动模式转变。
