基于新型收发一体式探头的裸鼠乳腺癌组织电磁特性数据快速检测方法研究

Rapid detection method for electromagnetic properties of breast cancer tissues in nude mice based on novel transmit-receive integrated probe

摘要

背景 乳腺癌手术中快速准确辨识切除组织至关重要。基于S参数的生物组织区分方法具有应用潜力，但经典开端同轴探头法需多次校准才能利用S₁₁参数进行辨识，限制了其临床应用。新型收发一体式探头方法无需复杂校准，且可同步获取S₁₁和S₂₁参数，为生物组织快速检测提供了新途径。 目的 验证新型收发一体式探头在生物组织快速辨识中的应用潜力。 方法 以荷瘤裸鼠为对象，分别使用开端同轴探头和新型收发一体式探头测量皮肤、脂肪、肌肉及肿瘤组织的S参数，通过幅度差值分析、多频点(5、10、15、20 GHz)统计检验及机器学习算法，评估组织区分能力。进一步利用手术离体标本(包括肿瘤、腺体、脂肪、皮肤及癌旁组织)验证该方法的临床适用性。 结果 开端同轴探头对荷瘤裸鼠的测量结果显示，肿瘤与脂肪组织在5 GHz处S₁₁参数无显著差异，与肌肉组织在10、15、20 GHz处亦无显著差异；而新型收发一体式探头在4个频点下均检测到肿瘤与三类正常组织的S₁₁及S₂₁参数存在显著差异(P＜0.001)。机器学习对荷瘤裸鼠及手术离体标本的分析结果表明，联合使用S₁₁和S₂₁参数可提升分类效能，其中S₂₁参数显著增强了对正常或癌旁组织的辨识能力。 结论 本研究通过荷瘤裸鼠和手术离体标本实验，系统验证了新型收发一体式探头在生物组织快速区分中的有效性，初步证明其具备临床适用性，为乳腺癌术中实时组织辨识提供了新技术支持。

Abstract

Background Rapid and accurate identification of resected tissues is crucial during breast cancer surgery. The S-parameter-based method for distinguishing biological tissues shows potential, but the classical open-ended coaxial probe method requires multiple calibrations to utilize the S₁₁ parameter for identification, limiting its clinical application. The novel transmit-receive integrated probe method eliminates the need for complex calibration and can simultaneously acquire both S₁₁ and S₂₁ parameters, offering a new approach for rapid biological tissue detection. Objective To validate the potential application of the novel transmit-receive integrated probe in the rapid identification of biological tissues. Methods Using tumor-bearing mice as subjects, S-parameters of skin, fat, muscle, and tumor tissues were measured using both the open-ended coaxial probe and the novel transmit-receive integrated probe. The tissue discrimination capability was evaluated through magnitude difference analysis, multi-frequency point (5, 10, 15, and 20 GHz) statistical testing, and machine learning algorithms. Furthermore, the clinical applicability of this method was verified using surgically resected specimens (including tumor, gland, fat, skin, and adjacent normal tissues). Results Measurements on tumor-bearing mice using the open-ended coaxial probe showed no significant difference in S₁₁ parameters between tumor and fat tissues at 5 GHz, nor between tumor and muscle tissues at 10, 15, and 20 GHz. In contrast, the novel transmit-receive integrated probe detected significant differences (P＜0.001) in both S₁₁ and S₂₁ parameters between tumor and the three types of normal tissues at all four frequency points. Machine learning analysis results from both tumor-bearing mice and surgically resected specimens indicated that combining S₁₁ and S₂₁ parameters improved classification performance, with the S₂₁ parameter significantly enhancing the ability to identify normal or adjacent normal tissues. Conclusion This study systematically validates the effectiveness of the novel transmit-receive integrated probe for rapid discrimination of biological tissues through experiments on tumor-bearing mice and surgically resected specimens, preliminarily demonstrating its clinical applicability and providing new technical support for real-time tissue identification during breast cancer surgery.

Graphical abstract

关键词

新型收发一体式探头 / 开端同轴探头 / S₁₁参数 / S₂₁参数 / 生物组织辨识

Key words

novel transmit - receive integrated probe / open-ended coaxial probe / S₁₁ parameter / S₂₁ parameter / biological tissue identification

在乳腺外科领域，如何对术中切除组织性质进行快速辨识一直是重要的研究方向。快速准确地区分切除组织类型(如肿瘤组织与正常组织)对判定手术范围、推进手术进程与确保手术质量都至关重要。目前，术中病理主要依赖于冰冻病理检查。术中冰冻病理检查的流程较多、耗时较长，通常需要20 ~ 30 min，延长了手术和患者处于麻醉状态下的时间，且准确性高度依赖经验丰富的病理医师与技术人员。因此，探索更加高效的术中组织性质判别方法仍是乳腺外科有待突破的方向。

近年来，基于电磁检测原理的技术在术中生物组织识别中展现出良好的应用潜力。开端同轴探头作为一种基于电磁波反射原理的检测工具，在生物组织特性分析领域得到越来越多的关注。开端同轴探头通过测量电磁波在组织表面的反射信号——反射系数(即回波损耗)，可间接反映组织的介电特性，进而用于组织类型的区分^[1-2]。该方法具备快速、无损等优势，被认为是一种有前景的术中实时鉴别工具。基于开端同轴探头的生物组织辨识研究已在多种组织类型中开展，例如胃癌与结直肠癌中转移与非转移淋巴结的区分、皮肤癌检测、食管癌组织分析、结直肠癌及癌旁组织鉴别，以及肺癌转移淋巴结识别等^[3-11]。这些研究初步验证了基于电磁参数实现组织辨识的可行性。然而，传统开端同轴探头多采用单端口设计，仅能获取单端口反射系数(即S₁₁参数)，而S₁₁参数无法直接反映组织介电特性，需通过逆电磁建模进行间接反演^[12]。此外，该方法还依赖开路、短路和标准负载等多步骤校准，操作烦琐且耗时较长^[13]。测量结果也易受组织-探头接触状态及环境干扰等边界条件影响，这些因素共同限制了其在术中应用的效率与准确性^[14-15]。

为进一步改进基于开端同轴探头的生物组织辨识技术，本研究引入北京航空航天大学彭艳华等^[16]提出的新型收发一体式探头。该探头采用双端口设计，无需复杂校准，在一次测量中同步获取反射系数S₁₁与传输系数S₂₁。其中，S₂₁可反映电磁波穿过组织样本后的传输特性，包含衰减与相位变化信息，从而与S₁₁形成互补，提供更全面的电磁响应特征^[17]。基于此，本研究分别采用该新型收发一体式探头与传统开端同轴探头对荷瘤裸鼠组织及临床手术离体标本进行测量。通过比较两类探头的结果差异，探索基于S参数直接分析实现组织快速识别的可行性，以期为乳腺癌术中实时组织判别提供新方法。

1 材料和方法

1.1 新型收发一体式探头与开端同轴探头

新型收发一体式探头^[16]与开端同轴探头均由北京航空航天大学团队自主设计加工。新型收发一体式探头开端同轴探头选用泰莱微波的G1半刚射频同轴电缆。两种探头的实物图、示意图及关键参数信息见图1。

对于新型收发一体式探头，矢量网络分析仪(vector network analyzer，VNA)产生的信号 X_s(w)，通过注入端口到达探头，经过探头传输后，由探头与生物组织之间的特性H_cI(w)，传输到生物组织，最后分别通过生物组织特性H_l(w)传输，经检测端H_cD(w)特性传输后，获得检测端口的信号Y_p(w)，以及通过原路径返回注入端口的信号Y_s(w)。由此可知新型收发一体式探头获取的数据中，包括了注入位置下探头与组织的特性以及注入与检测端口之间的组织的特性。

对于开端同轴探头，VNA产生的信号X_s(w)到达探头后，经过探头与组织间的耦合H_cI1(w)到达组织，并通过原路径返回Y_s(w)信号回到VNA。由此可知开端同轴探头获取的数据中，包括的是检测位置下探头与组织的特性。

由上述新型收发一体式探头和开端同轴探头的基本结构，可以建立如下图所示的信号特性原理示意图(图2)，当信号经过特性阻抗为Z₀的结构流传输后，其S₁₁和S₂₁可以分别表示为：

S₁₁=Y_s(w)/X_s(w)

S₂₁=Y_p(w)/X_s(w)

对于新型收发一体式探头，S₂₁可以进一步表示为：

S₂₁=H_I(w)*H_cI(w)*H_l(w)*H_cD(w)*H_D(w)+H_C(w)

由于探头自身特性H_I(w)、H_D(w)和H_C(w)不变，而H_cI(w)、H_l(w)和H_cD(w)均与被测生物组织特性相关，因此可知，最终的S₂₁确实由被测组织特性所决定。

1.2 细胞培养

实验中选用E0771细胞系进行乳腺癌荷瘤裸鼠模型的构建。E0771细胞系属小鼠髓样乳腺癌细胞系，购买自Cellverse公司。在标准细胞培养条件下进行实验准备。细胞使用含有10%胎牛血清、1%青霉素-链霉素混合液的高糖DMEM培养基，在37°C、5% CO₂细胞培养箱中培养。细胞传代时，弃掉旧培养基，用PBS磷酸盐缓冲液轻轻洗涤2次。接着每皿加入1 mL 0.25%胰蛋白酶-EDTA溶液，置于培养箱中消化1 ~ 2 min，于显微镜下观察到细胞呈小圆形并开始脱离时，立即添加2 mL的含血清培养基中止消化，并轻柔吹打皿底使细胞充分脱落并分散均匀形成单细胞悬液。随后，将细胞悬液转移至15 mL离心管中，以1 000 rpm的速度离心4 min。离心完成后，去除上清，用新鲜培养基重悬细胞并按1∶3比例接种于新培养皿中继续培养用于后续实验。

1.3 乳腺癌荷瘤裸鼠模型构建

研究中所用裸鼠均购于北京唯尚立德生物科技有限公司，均选用6 ~ 8周雌性BALB/c-nu裸鼠[实验动物使用许可证号：SYXK(京)2021-0056]。本研究实验方案获北京唯尚立德生物科技有限公司动物伦理委员会批准(VS2126A00748)。实验开始前将裸鼠置于无特定病原体环境中适应性饲养1周。待E0771细胞生长至对数生长期，用0.25%胰蛋白酶-EDTA消化液进行消化，离心收集细胞。接着，用PBS磷酸盐缓冲液洗涤细胞2次，并用PBS溶液重悬计数，调整细胞浓度至5×10⁷个/mL备用。用1 mL无菌注射器吸取制备好的细胞悬液，于裸鼠右侧第四对乳头皮下缓慢注射0.1 mL。注射完毕后，用碘伏对注射部位进行消毒处理。每隔3天用游标卡尺测量肿瘤的长径(L)和短径(W)，按照公式V = 1/2×L×W² 计算肿瘤体积。当肿瘤体积达到300 mm³时可以取材进行测试。

1.4 荷瘤裸鼠组织获取

乳腺癌荷瘤裸鼠中对肿瘤、皮肤、肌肉及脂肪组织进行取材。肿瘤、皮肤、肌肉及脂肪组织的取材部位见图３。每只荷瘤裸鼠的皮肤、脂肪、肌肉及肿瘤组织各采集1个样本，因此最终获得的样本量为每种组织类型各10个样本。

1.5 测试系统组成

在对荷瘤裸鼠的测试中，使用了图4所示测试系统，以荷瘤裸鼠测试时使用的矢量网络分析仪为例。系统由探头、射频线及矢量网络分析仪(罗德与施瓦茨ZNB，频率范围10 MHz ~ 20 GHz)构成。测试过程中，探头均通过射频线与矢量网络分析仪连接，矢量网络分析仪生成所需频率范围内的信号，并通过射频线传输给探头，再由探头将电磁波引入待测生物组织。接着，新型收发一体式探头收集反射和透射信号获取S₁₁及S₂₁信息，开端同轴探头收集反射信号获取S₁₁信息。所有测量数据再经由射频线传回矢量网络分析仪进行储存。见图４。

在对临床手术离体标本的测试中，使用图5所示测试系统。系统由探头、射频线及便携式矢量网络分析仪(罗德与施瓦茨ZVH，频率范围为10 MHz ~ 8 GHz)构成。采用开端同轴探头与新型收发一体式探头分别对手术离体标本进行测试，采集皮肤、腺体及脂肪组织各15例(每类组织5个测试点，每点3次重复)，肿瘤组织30例(10个测试点，每点3次重复)，以及癌旁组织40例(于肿瘤周围前后左右4个方位距肿瘤1 cm处各取5点，每点2次重复)。

本研究方案获解放军总医院医学伦理委员会批准(批号：S2024-023-02)。

1.6 测试系统误差的校准

测试系统采用矢量网络分析仪进行校准，以排除测量时系统的误差，以荷瘤裸鼠测试时使用的矢量网络分析仪为例。校准方法选择直通-开路-短路-匹配(through-open-short-match，TOSM)方法。校准件选用ZN-Z135，可覆盖仪器工作频段。完成全频段校准后保持直通连接状态，全频段内传输系数S₂₁需＞-1 dB，反射系数S₁₁需＜-20 dB，见图6，满足该条件即确认校准有效，可开展后续测试工作。

1.7 生物组织S参数数据测量

研究中分别采用开端同轴探头和新型收发一体式探头进行S参数测量。首先对整个测试系统的开路、短路、匹配状态进行测试，由此完成校准，以确保获取数据的准确性。随后使用开端同轴探头进行测试，并将准备好的生物组织样本放置于实验台。将开端同轴探头压贴在生物组织表面，用电子秤记录压力为2 g时进行测试。通过矢量网络分析仪生成并发送信号至开端同轴探头，进而获取组织的反射系数S₁₁数据。随后，使用具有双端口设计的新型收发一体式探头来同时测量S₁₁和S₂₁数据。

1.8 生物组织分类对比研究

采用机器学习方法对开端同轴探头与新型收发一体式探头所获取的荷瘤裸鼠及临床手术离体标本数据进行分析。在数据构成方面，本研究分别使用上述两种探头独立采集数据。荷瘤裸鼠数据中，每组包含皮肤、肌肉、脂肪及肿瘤组织样本各30例。为消除类别不平衡问题，从三种正常组织(皮肤、肌肉、脂肪)中各随机抽取10例样本，合并为30例正常组织样本，再与全部30例肿瘤组织样本共同构成均衡数据集。手术离体标本数据则直接使用全部测试数据进行后续分析。开端同轴探头数据仅提取S₁₁参数特征，新型收发一体式探头数据分别提取S₁₁单一特征及S₁₁与S₂₁联合特征。所有S参数数据经预处理后，提取均值、标准差、极值、中位数、四分位数等多维度统计特征。

1.9 荷瘤裸鼠测试数据处理

每一种组织测试时，均测试2001个频点，每种组织重复测量3次。首先，使用MATLAB软件绘制在全频段范围内四种组织的S参数曲线。其次，通过计算肿瘤组织与皮肤、肌肉和脂肪组织的S参数差值，绘制全频段的幅度差值曲线，以分析探头区分正常组织与肿瘤组织的能力。最后，从5 GHz开始，以5 GHz为间隔，即5、10、15、20 GHz提取4种组织的S参数测试值，分别比较皮肤、肌肉及脂肪组织与肿瘤组织的差异。

1.10 统计学分析

统计分析均采用Python(Spyder 5.5.1 IDE)软件。组间比较采用t检验，根据Levene检验结果(α=0.05)选择Student t检验或Welch校正t检验。t检验结果均经过Benjamini-Hochberg错误发现率(FDR)校正，并以校正后P＜0.05为差异有统计学意义。组织分类采用逻辑回归(logistic regression，LR)与支持向量机(support vector machine，SVM)算法，通过留一法交叉验证进行评估，汇总所有轮次结果，得到准确率、精确率、召回率、F1分数及AUC值等评价指标。

2 结果

2.1 开端同轴探头对于荷瘤裸鼠组织的测试结果

图7A展示了荷瘤裸鼠的皮肤、脂肪、肌肉及肿瘤组织在10 MHz ~ 20 GHz所有测试结果的反射特性(S₁₁)曲线，并高亮4种组织的均值，作为后续差值分析的基础。之后，由肿瘤组织与其他3种正常组织的幅度差值曲线(图7B)可看出，肌肉组织与肿瘤组织在10 MHz ~ 20 GHz频率范围内的S₁₁幅度值差异最小，脂肪和皮肤组织分别与肿瘤组织的差异随频率增加呈抖动式上升趋势，选取5、10、15、20 GHz 4个频点进一步分析开端同轴探头获取的S₁₁参数的统计学差异。由对比结果(图7C)可看出，在5 GHz处，脂肪组织与肿瘤组织的S₁₁幅度值没有统计学差异，在10 GHz(P＜0.05)、15 GHz(P＜0.001)及20 GHz(P＜0.001)处均呈现统计学差异。皮肤组织在4个频点均表现出与肿瘤组织显著的统计学差异(P＜0.001)。肌肉组织与肿瘤组织仅在5 GHz处显示出统计学差异(P＜0.001)，在剩余3个频点处均无统计学差异。

2.2 新型收发一体式探头对于荷瘤裸鼠组织的测试结果

对于新型收发一体式探头获取的S参数数据，我们首先分析了4种组织(皮肤、脂肪、肌肉、肿瘤)在10 MHz ~ 20 GHz的反射特性并高亮四种组织的均值，作为后续差值分析的基础(图8A)。结果显示，肌肉组织与肿瘤组织的反射幅度差值最小，而脂肪和皮肤组织与肿瘤组织的差值则呈现波动上升趋势(图8B)，这一现象与开端同轴探头的测试结果相似。进一步选取5、10、15、20 GHz 4个频点进行分析(图8C)，发现皮肤、肌肉及脂肪组织与肿瘤组织的S₁₁参数幅度值均存在显著统计学差异(P＜0.001)。

此外，我们还分析了4种组织的传输特性(S₂₁，图8D)。相较于反射特性，传输参数曲线的区分度更加明显。幅度差值分析(图8E)表明，随着频率升高，脂肪组织与肿瘤组织的S₂₁幅度差值逐渐减小；皮肤组织与肿瘤组织的S₂₁幅度差值在全频段呈现先减小后增大的趋势；肌肉组织与肿瘤组织的S₂₁幅度差值逐渐增大。同样选取5 GHz、10 GHz、15 GHz及20 GHz 4个频点进行分析(图8F)，发现皮肤、肌肉及脂肪组织与肿瘤组织的S₂₁参数幅度值均存在显著差异(P＜0.001)。

2.3 两种探头在荷瘤裸鼠组织判别中的机器学习对比分析

对传统开端同轴探头与新型收发一体式探头在荷瘤裸鼠组织判别中的性能进行了系统分析(图9)。在仅使用S₁₁参数时，两种探头表现相似，开端同轴探头与新型收发一体式探头在LR模型中的准确率均达到0.867，受试者工作特征曲线下面积(area under the curve，AUC)值也较为接近(表1)，说明仅使用S₁₁参数时两种探头分类性能基本一致。然而，当新型收发一体式探头进一步引入S₂₁参数后，所有评估指标均显著提升。SVM与LR模型的准确率均提高至0.95，F1分数超过0.95，AUC值均达到0.99以上(表2)。混淆矩阵显示错误分类大幅减少(图10)，均仅将1例肿瘤样本误判为正常样本，2例正常样本误判为肿瘤样本。这一结果表明，S₂₁提供了S₁₁所不具备的互补信息，有效增强了组织类型判别能力。且通过观察数据进一步发现，在S₂₁参数引入后，SVM和LR模型所得到的结果高度相似，这表明在联合引入S₁₁与S₂₁参数后，二者形成互补且有着较高区分度的特征组合，拉大了样本的类别边界。此时，两种模型的算法特性差异被弱化，仅需发挥基础分类能力即可实现优异效果，因此呈现出准确率、精确率等核心指标高度一致的结果。并且，从新型收发一体式探头的4组分类结果来看，无论是否引入S₂₁参数，新型收发一体式探头组的召回率均为0.967，说明S₁₁参数已能有效识别绝大多数正样本(即肿瘤样本)。S₂₁ 的加入主要通过提升对负样本(即正常样本)的区分精度来对分类性能进行提升。

2.4 两种探头在手术离体标本判别中的机器学习对比分析

首先对开端同轴探头的测试结果进行分析。图11展示了手术标本中肿瘤组织与3种正常组织(皮肤、脂肪、腺体)和肿瘤组织与癌旁组织在10 MHz ~ 8 GHz内所有测试结果的反射特性(S₁₁)。接下来，通过机器学习的方式分析开端同轴探头对于肿瘤与正常组织及肿瘤与癌旁组织的区分能力。在进行肿瘤组织与正常组织的区分时，两种模型展现出几乎一致的分类能力(表3)。LR与SVM两种模型都可完成全部肿瘤样本的准确分类且均将15例正常样本误判为肿瘤样本。在进行肿瘤与癌旁组织区分时，两种模型仍可完成肿瘤样本的准确分类，LR模型中有11例癌旁组织及SVM模型中有7例癌旁组织被判断为肿瘤组织。总体上来看，开端同轴探头在临床组织识别中呈现召回率高但精确率较低的趋势，表明其在有效避免漏诊肿瘤的同时，也伴随较高的假阳性率。

随后，对新型收发一体式探头的测试结果进行分析。图12分别展示了全频段下肿瘤与正常组织、肿瘤与癌旁组织的S₁₁参数曲线及相应组织的S₂₁参数曲线。在进行肿瘤组织与正常组织区分时，由表4看出，单独使用S₁₁参数与两种参数联合使用的结果相近。从混淆矩阵可知，单独的S₁₁参数与两种参数联合使用都可以准确识别出29例肿瘤样本。两种参数联合使用时可以准确识别出41例正常组织样本，相比于仅S₁₁参数组有1例的提升。在进行肿瘤组织与癌旁组织的区分时，仅使用S₁₁参数的LR与SVM模型均误判了1例肿瘤样本与5例癌旁样本。当联合使用S₁₁与S₂₁参数时，在LR模型中30例肿瘤样本与40例癌旁样本均被正确分类。在SVM模型中，有1例肿瘤样本被误判，但40例癌旁样本均被正确分类。综上，新型收发一体式探头在仅采用S₁₁参数时召回率已达0.967，对肿瘤样本的识别较为充分。并且，在肿瘤与正常组织辨识中，联合S₂₁参数对于正常样本的识别性能无明显提升。但在肿瘤与癌旁组织辨识中，S₂₁参数的引入有效提升了对负样本即癌旁组织的识别性能，所有癌旁样本被准确判别，这也与荷瘤裸鼠组织的实验结论相符合。

3 讨论

目前，传统的电磁检测生物组织相关研究多使用开端同轴探头，且依赖于将得到的S₁₁参数转换为介电常数与电导率，并分析肿瘤组织与正常组织或癌旁组织之间的统计学差异。然而，这一方法会面临几项临床转化的挑战。第一，尽管良恶性组织的介电特性在群体层面上存在统计学差异，但由于个体差异、组织异质性、测量条件波动等因素，其绝对值在个体诊断中缺乏稳定的判别阈值；第二，组织之间介电特性的统计学差异也尚不足以成为判断组织是否发生病变的绝对因素，例如Fornes-Leal等对20例手术切除的结肠组织进行介电特性分析，结肠癌组织的介电常数与健康组织相比具有统计学差异，但其电导率相比于健康组织不具有统计学差异^[18]。Mayrovitz等^[19]对32例诊断为皮肤基底细胞癌的患者以及14例诊断为非癌性病变的患者进行研究，分别将病变处的组织介电常数值与对侧未受累皮肤的测量值进行比较，发现基底细胞癌及非癌性病变处组织的介电常数值显著低于对侧未受累皮肤，然而基底细胞癌与非癌性病变组织之间的介电常数值没有统计学差异。因此，本研究直接利用测试所得的原始S参数并结合机器学习算法进行组织识别，这一方法更侧重于模式识别而非对物理量进行绝对精确的测量。

本研究比较了传统开端同轴探头与新型收发一体式探头所获取的S参数在机器学习中的表现差异。通过荷瘤裸鼠组织和临床手术离体组织的测试结果可以看出，单一探头测量所得的S₁₁参数结合机器学习，即可实现较高准确度的组织判别，尤其是对于肿瘤样本的识别较为充分，这提示肿瘤组织确在电磁波反射特性(S₁₁)上存在改变。在荷瘤裸鼠组织中，开端同轴探头所获得的S₁₁参数在分析的部分频点与组织之间无统计学差异，但这并未明显影响其在机器学习中的分类效果，其分类能力与新型收发一体式探头所获取的S₁₁参数相近。之后，继续采用新型收发一体式探头的S₁₁-S₂₁联合特征进行分析。在荷瘤裸鼠组织和临床手术离体组织中，S₂₁参数的引入都显著提升了模型的特异性，即减少了对正常或癌旁组织等负样本的误判。S₁₁-S₂₁联合特征中，S₁₁参数侧重于发现异常，而S₂₁参数的加入则侧重于确认正常。S₂₁参数信息的引入对于机器学习性能的提升在文献中也有过报道。Elsheakh等^[20]发现，在使用CatBoost模型进行乳腺肿瘤的辨识中，S₂₁参数的引入比单独使用S₁₁参数时分类准确率提升。

本研究也存在若干局限性。首先，研究仅采用E0771乳腺癌模型，未来需使用多肿瘤类型，进一步探究新型收发一体式探头在更广泛生物组织区分中的有效性。其次，应继续扩大对于荷瘤裸鼠及临床手术样本的测试数据，探究在更大样本数据时两探头S参数对于组织的判别能力是否发生变化。研究主要在离体组织上进行测试，后续应探索在活体组织中的应用效果，模拟活体组织在生理状态、血液循环等因素的影响下结果的变化。目前研究基于全频段数据进行分析，可以进一步探索在机器学习中最可以稳定判别组织的频段范围或频点组合。第三，还可以继续分析在机器学习中的特征重要性排序等，探究对于组织判别贡献最大的特征种类。最后，探头与组织的接触方式，如压力控制等方面仍有优化空间，以减少测量误差，提高测量的准确性及稳定性。

综上所述，本研究旨在探究新型收发一体式探头能否通过双参数协同分析进行生物组织的精准分类。在复杂生物组织的区分中，S₁₁与S₂₁参数的互补性可能会进一步凸显，为电磁技术在无创实时的组织区分方面提供新的理论依据和技术支持。同时，后续研究可围绕上述局限性展开，拓展不同肿瘤模型及临床样本的检测，并继续分析主要频段及特征贡献，不断完善基于多S参数的组织区分技术，推动其在医学领域，尤其是肿瘤检测和手术切缘辨识等方面的实际应用^[21]。

数据共享声明　本论文相关数据可依据合理理由从作者处获取，Email：[e-mail]。

参考文献

[1] Linha Z， Vrba J， Kollar J，et al ． An inexpensive system for measuring the dielectric properties of biological tissues using an open-ended coaxial probe［J］． IEEE Trans Instrum Meas，2025，74：4008011．

[2] Canicattì E， Sánchez-Bayuela DÁ， Romero Castellano C，et al ． Dielectric characterization of breast biopsied tissues as pre-pathological aid in early cancer detection： a blinded feasibility study［J］． Diagnostics，2023，13（18）：3015．

[3] La Gioia A， O’Halloran M， Porter E ． Modelling the sensing radius of a coaxial probe for dielectric characterisation of biological tissues［J］． IEEE Access，2018，6：46516-46526．

[4] Yilmaz T， Ates Alkan F ． In vivo dielectric properties of healthy and benign rat mammary tissues from 500 MHz to 18 GHz［J］． Sensors，2020，20（8）：2214．

[5] Vidjak K， Farina L， Ruvio G，et al ． Dielectric properties of healthy ex vivo ovine lung tissue at microwave frequencies［J］． IEEE Trans Dielectr Electr Insul，2023，30（3）：1162-1169．

[6] Matković A， Kordić A， Jakovčević A，et al ． Complex permittivity of ex-vivo human，bovine and porcine brain tissues in the microwave frequency range［J］． Diagnostics，2022，12（11）：2580．

[7] Rao X， Chen QY， Ding LS，et al ． Application of dielectric properties for identification of normal and malignant gastrointestinal tumors and lymph nodes ex vivo［J］． Phys Eng Sci Med，2025，48（1）：75-85．

[8] Xu GF， Liu HH， Huang Q，et al ． Sensitivity investigation of open-ended coaxial probe in skin cancer detection［J］． Phys Eng Sci Med，2023，46（2）：609-621．

[9] 黄强，卢笛，韩继钧，等 ． 基于开端同轴探头技术的人体正常食管和食管癌介电特性比较［J］． 南方医科大学学报，2021，41（11）：1741-1746．

[10] 周地福，翟伟科，孙颖，等 ． 结直肠恶性组织黏膜面与浆膜面、癌旁1、3cm以及正常组织黏膜面与浆膜面的介电特性差异［J］． 南方医科大学学报，2018，38（4）：434-442．

[11] 孙颖，于洪峰，周地福，等 ． 基于开端同轴探头技术的肺癌转移和非转移淋巴结介电特性［J］． 南方医科大学学报，2019，39（11）：1364-1369．

[12] Stuchly MA， Stuchly SS ． Coaxial line reflection methods for measuring dielectric properties of biological substances at radio and microwave frequencies-a review［J］． IEEE Trans Instrum Meas，1980，29（3）：176-183．

[13] Farrugia L， Porter E， Conceição RC，et al ． The complex permittivity of biological tissues： a practical measurement guideline［J］． IEEE Access，2024，12：10296-10314．

[14] La Gioia A， Porter E， Merunka I，et al ． Open-ended coaxial probe technique for dielectric measurement of biological tissues： challenges and common practices［J］． Diagnostics，2018，8（2）：40．

[15] Maenhout G， Markovic T， Ocket I，et al ． Effect of open-ended coaxial probe-to-tissue contact pressure on dielectric measurements［J］． Sensors，2020，20（7）：2060．

[16] Peng YH， Xu H， Song LN，et al ． An integrated signal injection and detection broadband near-field probe for circuit characterization［J］． IEEE Anntenas Wirel Propag Lett，2024，23（12）：4283-4287．

[17] Poyyamozhi M， Murugesan B， Rajamanickam N，et al ． Transmission and reflection properties of iron pyrite-epoxy resin composite for electromagnetic applications［J］． Materials，2024，17（22）：5456．

[18] Fornes-Leal A， Garcia-Pardo C， Frasson M，et al ． Dielectric characterization of healthy and malignant colon tissues in the 0.5-18 GHz frequency band［J］． Phys Med Biol，2016，61（20）：7334-7346．

[19] Mayrovitz HN， Gildenberg SR， Spagna P，et al ． Characterizing the tissue dielectric constant of skin basal cell cancer lesions［J］． Skin Res Technol，2018，24（4）：686-691．

[20] Elsheakh DN， Mohamed RA， Fahmy OM，et al ． Complete breast cancer detection and monitoring system by using microwave textile based antenna sensors［J］． Biosensors，2023，13（1）：87．

[21] Zubair KS， Alhuwaidi SA， Song HH，et al ． Investigation of dielectric spectroscopy response in normal and cancerous biological tissues using S-parameter measurements［J］． J Electromagn Waves Appl，2018，32（8）：956-971．

基金资助

国家自然科学基金面上项目(62476285)