基于乳腺电阻抗特征参数的成像方法

维普资讯 http://www.cqvip.com 生物医学工程研究　Ｊｏｕｍａｌ　ｏｆ　Ｂｉｏｍｅｄｉｃａｌ　Ｅｎｇｉｎｅｅ血ｇ　Ｒｅｓｅａｒｃｈ　２００８－２７（１）：４９～５３　基于乳腺电阻抗特征参数的成像方法　邹玲　，鲍旭东△　（东南大学影像科学与技术实验室，南京２１００９６）　摘要：研究多频电阻抗扫描测量数据的分析方法，以提高识别乳腺恶性肿瘤的效果。从由最小二乘法拟　合的ｃｏｌｅ模型圆弧中提取多个可以表征其特征的参数，使用典型相关分析选出合适的参数，并提取正常组织　的参数作为参考，再将病例的参数分布与参考参数的分布作多元分析，获取衡量组织异常程度的指标用于成　像。结果表明：典型相关分析去除了一些误差较大的参数，通过对三种多元分析方法结果的比较，选择了相　关系数法以衡量乳腺的异常程度。　该方法综合考虑多个特征参数的识别作用，且能易于成像，有助于辅助诊断乳腺恶性疾病。　关键词：乳腺电阻抗；特征参数；Ｃｏｌｅ模型；典型相关分析；多元分析　中图分类号：Ｒ３１８　文献标识码：Ａ　文章编号：１６７２．６２７８（２００８）Ｏ１．００４９．０５　Ｂｒｅａｓｔ　Ｅｌｅｃｔｒｉｃａｌ　Ｉｍｐｅｄａｎｃｅ　Ｉｍａｇｉｎｇ　ｂａｓｅｄ　ｏｎ　Ｃｈａｒａｃｔｅｒｉｓｔｉｃ　Ｐａｒａｍｅｔｅｒｓ　ＺＯＵ　Ｌｉｎｇ，ＢＡＯ　Ｘｕｄｏｎｇ　（Ｌａｂｏｒａｔｏｒｙ　ｏｆＩｍａｇｅ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｓｏｕｔｈｅａｓｔ　Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｍｉｎｇ　２１００９６，Ｃｈ／ｎａ）　Ａｂｓｔｒａｃｔ：Ｔｏ　ｓｔｕｄｙ　ｔｈｅ　ｍｅｔｈｏｄｓ　ｆｏｒ　ｄａｔａ　ａｎａｌｙｓｉｓ　ｏｆ　ｍｕｌｉ—ｆｔＴｅｑｕｅｎｃｙ　ｅｌｅｃｔｒｉｃａｌ　ｉｍｐｅｄａｎｃｅ　ｓｃａｎｎｉｎｇ（ＥＩＳ），ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｅｆｆｅｃｔ　ｏｆ　ｂｒｅａｓｔ　ｃａｎｃｅｒ　ｒｅｃｏｇｎｉｉｔｏｎ．Ｓｅｖｅｒａｌ　ｐａｒａｍｅｔｅｒｓ　ｆｒｏｍ　ｔｈｅ　ｃｉｒｃｕｌａｒ　ａｒｃｓ　ｗｈｉｃｈ　ｉｓ　ｆｉｔｔｅｄ　ｂｙ　ｌｅａｓｔ　ｓｑｕａｒｅ　ｍｅｔｈｏｄ　ｆｒｏｍ　Ｃｏｌｅ　ｍｏｄｅｌ　ｗｅｒｅ　ｇｏｔｔｅｎ，ｔｈｅｓｅ　ｐａｒｍｅｔａｅｒｓ　ｃｏｕｌｄ　ｂｅ　ｈｅｌｐｆｕｌ　ｏｆｒ　ｂｒｅａｓｔ　ｃａｎｃｅｒ　ｒｅｃｏｇｎｉｉｔｏｎ．Ｐｒｏｐｅｒ　ｐａｒｍｅｔａｅｒｓ　ｗｅｒｅ　ｐｉｃｋｅｄ　ｕｐ　ｂｙ　Ｃａｎｏｎｉｃａｌ　Ｃｏｒｒｅｌａｉｔｏｎａｌ　Ａｎａｌｙｓｉｓ（ＣＣＡ），ａｎｄ　ｈｅｎ　ｔｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｉｃｉｆｅｎｔ　ｏｆ　ｐａｒａｍｅｔｅｒ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｂｅｔｗｅｅｎ　ｅａｃｈ　ｅｌｃｔｅｒｏｄｅ　ａｎｄ　ｔｈｅ　ｒｅｆｅｒｅｎｔｉｌ　ｎｏｒｍａｌ　ｔａｉｓｓｕｅ　Ｗａｓ　ｃａｌｃｕｌ￣ｅｄ．Ｂｙ　ｔｈｉｓ　ｗａｙ，　ｈｅ　ａｂｎｏｒｔｍａｌ　ｄｅｇｒｅｅ　ｃｏｕｌｄ　ｅ　ｗｅｉｂｇｈｅｄ．Ｒｅｓｕｌｔ　ｓｈｏｗｅｄ　ｔｈａｔ　ｐａｒａｍｅｔｅｒｓ　ｏｆｌａｒｇｅ　ｅｒｒｏｒ　ｗｅｒｅ　ｒｅｍｏｖｅｄ　ｂｙ　ＣＣＡ　ｍｅｔｈｏｄ．Ｂｙ　ｃｏｍｐａｒｉｇ　ｔｎｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｔｈｒｅｅ　ｍｕｌｔｉ—ｐａｒａｍｅｔｅｒｓ　ａｎａｌｙｔｉｃａｌ　ｗａｙｓ，ｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔ　ｗａｙ　Ｗａｓ　ｃｈｏｓｅｎ．Ｉｔ　ｐｒｏｖｅｓ　ｔｈａｔ　ｔｈｉｓ　ｍｅｔｈｏｄ　ｃｏｎｓｉｄｅｒｓ　ｔｈｅ　ｅｆｆｅｃｔ　ｏｆ　ｍｕｌｔｉ—　ｐａｒａｍｅｔｅｒｓ，ａｎｄ　Ｐａｎ　ｐｕｔ　ｔｈｅｍ　ｉｎｔｏ　ｉｍａｇｅ　ｃｏｎｖｅｎｉｅｎｔｌｙ．Ｉｔ’Ｓ　ｈｅｌｐｆｕｌ　ｔｏ　ｄｅｔｃｔ　ｂｒｅｅａｓｔ　ｃａｎｃｅｒ．　Ｋｅｙ　ｗｏｒｄｓ：Ｂｒｅａｓｔ　ｅｌｅｃｔｒｉｃａｌ　ｉｍｐｅｄａｎｃｅ；Ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｐａｒａｍｅｔｅｒ；Ｃｏｌｅ　ｍｏｄｅｌ；Ｃａｎｏｎｉｃａｌ　ｃｏｒｒｅｌａｔｉｏｎａｌ　ａｎａｌｙｓｉｓ；Ｍｕｌｔｉｖａｒｉａｔｅ　ａｎａｌｙｓｉｓ　１引　言　乳腺电阻抗扫描成像（ｅｌｅｃｔｒｉｃａｌ　ｉｍｐｅｄａｎｃｅ　ｓｃａｎｎｉｎｇ，ＥＩＳ）技术　是一种无创乳腺恶性肿瘤检测　组织的电导分布情况，以检测组织的正常与否。由　于其安全、方便、非侵入、无辐射，因此有良好的应用　前景。　目前最有影响力，且得到ＦＤＡ认证的ＥＩＳ系统　技术。研究表明，生物组织的电导率和电容率会随　着频率变化而变化，并且不同的组织具有不同的频　率特性＿２。Ｊ，据此可对乳腺组织进行特性分析＿４　］。　ＥＩＳ以生物组织的电阻抗特性作为理论依据，向人　是以色列ＴｒａｎｓＳｃａｎ公司开发设计的ＴＳ２０００系　统　ｊ。国内第四军医大学也开展了该方面研究，　并成功研制了国内第一套ＥＩＳ系统　ｊ。由于在单个　频率下的组织阻抗数据区分度较小，成像有诸多局　限，所以组织的多频特征参数被越来越多的运用于　体注入安全多频激励电流，采集响应信号，恢复乳腺　△通信作者：ｂａｏ．１ｉｓｔ＠ｓｅｎ．ｅｄｕ．ｃａ。　维普资讯 http://www.cqvip.com ５０　生物医学工程研究　第２７卷　成像＿９　。本研究将充分利用组织的频响特性，希　望能够利用模型从数据中提取特征参数，并进行统　计分析，保证其有效性，以提高辨别效果。　本研究采用的仪器为本小组新研制的由上海英　迈吉影像设备有限公司生产的ＥＩＳ一１０００，版本号为　３．００１．０１，扫描频率区间为１９５．３～２０ｋＨｚ，测量探头　为８×８电极阵列。本仪器采用混频模式扫描，即将　若干预设好的不同频率正弦激励信号混合叠加后注　人人体，假设人体组织对不同频率激励信号的响应　也为线性叠加，由此得到人体在不同频率下的响应。　该模式测量时间短，保证了多个频率测量条件的一　致性。　（ｙ）　图１　Ｃｏｌｅ模型及一些参数　ｒｉｇ　１　Ｃｏｌｅ　ｍｏｄｄ　ａｎｄ　ｐａｒａｍｅｔｅｒｓ　２模型及其参数　Ｃｏｌｅ模型ｎ　为应用最广泛、最成熟的模型，它　是一种依赖于频率的经验模型，其导纳形式如下：　Ｙ＝Ｇ　ｏ，＋　在０～∞Ｈｚ频率范围内，Ｙ随频率变化的轨迹类似　为第一象限的一段圆弧。对其进行最小二乘拟　合ｎ。。，可以估计出数个相关参数：Ｇ　，Ｇ。，ａ，　。其　中，Ｇ　表示频率无穷大时的电导，Ｇ。表示频率为　０Ｈｚ时的电导，ａ是一个无量纲的常数，表示散射系　数，该参数可能与细胞外液空间形态有关ｕ　，　为　特征角频率，即复电阻抗虚部最大时所对应的角频　率。除此之外，还可以获取一些其他关于拟合圆弧　形态、位置方面的参数，如拟合圆弧的半径Ｒ，圆弧　与　轴围成的面积ｓ，特征频率下Ｙ值的模　、相　位０，以及相对特征频率下Ｙ值的模　及相位　。　这些参数通过从多方面反映ｃｏｌｅ圆弧形态，间　接反映了乳腺组织的情况。使用单个参数成像势必　会丢失一些信息，而有些参数在拟合过程中，产生的　误差较大，为避免对结果产生不良影响，需要舍去。　因此，本研究选取一些与原始阻抗数据相关性最好　的参数，并进行联合相关成像。　３典型相关分析　典型相关分析（ｃａｎｏｎｉｃａｌ　ｃｏｒｒｅｌａｔｉｏｎａｌ　ａｎａｌｙｓｉｓ，　ＣＣＡ）是研究两组多元随机变量间相关性的有效方　法。基本思想在于从两组变量中取出若干有代表性　的分量，重新进行线性组合，使这两组变量达到最大　相关。使得相关性最大的那两组分量，叫做典型相　关分量＿１　。我们通过分析所提取的模型参数与原　始复导纳值之间的相关程度来选择合适的参数。　将各个频率下的对应的导纳值构造变量Ｘ＝　，　，……，‰｝，将模型中计算出的多个参数构造　变量Ｙ＝｛Ｙ，，Ｙ　，……，　｝、　、，，中各有Ⅳ个样本支　持（Ｎ＞Ｐ＋ｑ）。若ＣＯ／）（　）＝ｃ舡，ｃｏ／）（Ｙ）＝　，ＣＯＹ　（　，Ｙ）＝Ｃｘｒ＝Ｃｒｘ存在，则可以建立ｋ＝ｍｉｎ（ｐ，ｑ）对　典型相关变量，其线性函数分别／Ｚ＝Ｏ．Ｘ　，　＝ｂｙ　。设　相关『生从大到小排列，／Ｚ　，　为第ｉ对典型相关变量，　其中Ａ　＝（ａ１，ａ２，……，　），Ｂｆ＝（ｂ１，ｂ２，……，ｂｑ）为　第ｉ对典型相关变量的加权系数矩阵。相应相关系　数Ｐ（Ｍ　，　）＝　为矩阵Ｍｌ＝Ｃ　’Ｃ，２　Ｃ五’Ｃ２。（或　＝Ｃ　Ｃ　。Ｃ　Ｃ　）的第ｉ大特征根的正平方根。　、　Ｂ　则分别为　；对应的特征向量。　对于两组变量间的相关系数及各变量的加权系　数矩阵Ａ、Ｂ，显然，相关系数越大，两变量的相关性　越大，ｌ，中参数成分的加权系数ｂ　越大，该参数Ｙ　与原始导纳值的相关性也越大。因此，可以通过分　析其加权系数来选择相关性大的参数。　表１为３个测试对象的典型相关分析结果。３　个测试对象为上海第一妇婴保健院使用Ａｎｇｅｌｐｌｎａ—　ＥＩＳ１０００测得的临床病例数据。其中测试对象Ｉ取　５组正常的数据（考虑到探头边界噪声的影响¨Ｊ，每　组数据取内部的６×６个电极点，相当于５×３６个样　本），测试对象Ⅱ取５组正常数据加两组异常数据，　测试对象Ⅲ取４组正常数据，对每个测试对象选择　相关系数的前三位，对应Ｙ的系数矩阵分别为Ｂ。、　Ｂ２、Ｂ３　ｏ　从表１中可见，特征角频率　、面积　、及ａ所　对应的加权系数较小，表明它们与原始导纳值的相　关性不够好，所以舍去。　４多参数分析方法　对５２位正常患者提取的共１０２组８×８多频电　极数据（激励电压２．４ｖ，ｐｇａ　０．３２）进行统计，发现所　选取的参数均呈正态分布，因此，可以提取各参数的　维普资讯 http://www.cqvip.com 第１期　邹玲。等：基于乳腺电阻抗特征参数的成像方法　５１　均值和方差作为新病例的参考。然而患者之间的个　常与异常。因此，应考虑从个体自身数据提取参考　参数。　体差异比较大，整体统计的结果并不能精确划分正　表１部分样本ＣＣＡ结果　Ｔａｂｌｅ　ｌ　１１ｌｅ　ｒｅｓｕｌｔｓ　ｏｆ　ａＣＡ　对各电极点提取上述参数Ｙ＝｛Ｙ。，Ｙ　，…，Ｙ　）　（Ｙ　对应某一个参数，ｎ为参数个数），取非疑似区　为各参数的方差。可见ＭＤ越大，异常的可　能性越大。　域的参数均值和方差作为参考参数序Ｐ＝｛Ｐ。，Ｐ　，　…（３）主成分分析法　主成分分析的目的在于使用较少的几个新的综　，Ｐ　｝。则对每个电极点来讲，Ｙ与Ｐ的相似程度　越大，则正常的可能性越大，反之，则可能为异常情　况。下面使用相关系数法来衡量这一相似程度，并　合指标，代替原有较多指标，并尽可能包含原有指标　所含信息，且使各指标间不相关。对整体参数矩阵　进行主成分分析，可以提取出最重要贡献的新的参　数组合取代原有的多个参数变量，从而表征各样本。　使用马氏距离和主成分分析的结果做比较。　（１）相关系数法　企一　二　［　。　√∑（Ｙ　—ｙ）　∑（Ｐ　—Ｐ）　５实验及结果　下面对一乳腺癌患者进行分析，首先获取其整　ｒ为某电极点的参数序列与参考参数序列的相　关系数，其中Ｙ　是该电极点的第ｉ个参数，Ｐ　为参　考序列的第ｉ个参数。Ｙ和Ｐ为对应的平均值。ｒ　越大，Ｙ与Ｐ所相似程度越大，对应的电极点的ｃｏｌｅ　圆越接近参考的ｃｏｌｅ圆，反之则差别越大。可以通　体数据各参数的平均值作为参考，取其中正常的四　组数据，异常的一组数据进行对比。图２、图３、图４　为３种方法所得结果。　过ｒ来成像，以达到间接识别正常与异常组织的目　的。　（２）马氏距离法　马氏距离的特点：（１）不受变量单位的影响，是　一个无单位的数值；（２）是两组变量　、Ｙ的各分量　经“标准化”后的欧氏距离，考虑了样本总体的均值　和方差。因此，可以考虑使用Ｙ对Ｐ的马氏距离进　行判别。　ＭＤ　（［Ｙ　（Ｊ）一Ｐ（ｊ）］　］１１２，　、ｒ　Ｙ　，Ｐ）＝［∑　Ｔ　ｊ　对应电极　（ａ）　维普资讯 http://www.cqvip.com

５２　生物医学工程研究　第２７卷　对应电极　（ｂ）　图２使用相关系数法的分布结果。纵坐标为相关　系数，横坐标为区域中的３６个电极点。（ｂ）为（ａ）的　降序排列　２　Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｉｆｃｉｅｎｔ，ｔｈｅ　Ｙ—　ｌａｂ］ｅＩＩ　ａ瑙ｃｏｒｒｅｌａｔｅｄ　ｃｏｅｆｉｆｃｉｅｎｔ　ｖａｌｕｅ。ｔｈｅ　Ｘ—ｌａｂｌｅ　ＩＩ　ａ瑙３６　ｐｏ￣ｔｓ　ｅｌｅｃｔｒｏｄｅ　ｎｏｄｅｓ　ｉｎ　ａ　ｉｍａｇｅ（ｂ）ｉｓ　（ａ）　ｓ　ｄｅｓｃａ啦ｗａｙ　对应电极　（ｂ）　图３使用马氏距离法的分布结果，纵坐标为距离　值。横坐标为区域中的３６个电极点　３　Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆＭａｈａｌ￣ｎｏｂｉｓ　Ｄｉｓｔａｎｃｅ，ｔｈｅ　Ｙ—　ｌａｂｌｅｍｅａｎｓＭａｈａｌａｎｏｂｉｓ　ｄｉｓｔａｎｃｅ　ｖａｌｕｅ，ｔｈｅＸ—ｌａｂｌｅ　ｎｌｅｓＥ￣３６　ｐｏｔａｔｓｄｅｃｔｒｏｄｅＩ州ｅｓｉｎ　ａｉｍａｇｅ　对应电极　（ｂ）　图４使用主成分分析法（ａ）纵坐标为第二主成分。　横坐标为第一主成分；（ｂ）纵坐标为第一主成分（降　序排列），横坐标为区域中的３６个电极点　４　Ｔｈｅ　ｒｅｓｕｌｔｓｏｆＰＣＡ（ａ）：ｔｈｅＹ—ｌａｂ］ｅｎｌｅｓＥ￣ｔｈｅ　ｓｅｃｏｎｄ　ｐｒｉｎｃｉｌｍｌ　ｃｏｍｐｏｎ￣ｔ，ｔｈｅ　Ｘ—ｌａｂ］ｅ　ｎｌｅｓＥ￣ｔｈｅ　ｉｆｒｓｔ　ｐｒｉｎｃｉｌｍｌ　ｃｏｍｐｏｎｅｎｔ；（ｂ）：ｔｈｅ　Ｙ—ｌａｂｌｅ　ｎｌｅｓＥ￣ｔｈｅ　ｉｆｒｓｔ　ｐｒｉｎｃｉｌｍｌ　ｃｏｍｐｏｎ￣ｔ（ｉｎ　ａ　ｄｅｓｃ即ｄｊＩ喀ｗａｙ），ｔｈｅ　Ｘ　ｌａｂｌｅｍｅａｎｓ　３６　ｐ￣ｎｔｓ　ｅｌｅｃｔｒｏｄｅ　ｎｏｄｅｓｉｎ　ａ　ｈｎａｇｅ　从上述结果可知，使用相关系数法所得正常区　域与异常区域的区分度更大，而其正常区域的值的　分布则较其他两种方法要更一致。　表２为４个病例对这３种分析方法的比较。为　便于比较，首先对这３种方法的结果数据集｛　“　，　：１，２，３｝分别进行规一化。每个数据集分别对应　｛Ⅳ‘　个样本，对每个样本进行归一化处理：　“’＝　ｖ（１）　可　，　１，２，３，式中ＩＩ・ＩＩ，表示Ｐ范数，Ｐ　ＩＩ　Ａ　ＩＩ　Ｐ　可以为１，２，…，∞等。　求出规一化后数据集中正常组织和异常组织分　别对应的均值和方差（　，　），（　，　；）。对这两个　／　、２　／　、２　分布求距离　］：ｄｚ：　＋　Ｄ１　Ｄ　２　ｄ越大，两个分布间距离越大，正常组织和异常　维普资讯 http://www.cqvip.com 第１期　邹玲，等：基于乳腺电阻抗特征参数的成像方法　５３　组织的区分度越大，否则则越小。从表２中可见，相　关系数法确实要比另外两个方法好。　表２几个病例样本３种参数分析方法的｝Ｅ较　Ｔａｂｌｅ　２　Ｔｈｅ　ｃｏｍｐａｒｉｓｏｎ　ｒｅｓｕｌｔｓ　ｏｆｔｈｒｅｅ　Ｉ瑚虹ｌｅｔｅｒ—ａｎａｌｙｓｉｓｍｅｔｈｏｄ　图５为使用相关系数法成像的两个病例，（ａ）、（ｂ）　１８幅图像为乳房各区域的扫描结果，下侧１０幅图像为　对一些特定区域的扫描结果，亮区（除乳头部分）为检　测出的异常区域。图像结果表明，上述方法可行。　６结论　本研究通过对多频复导纳值和ｃｏｌｅ模型参数使　用典型相关方法，去除了在最小二乘拟合计算中误　差较大或其他原因造成与原始值相关性不够好的参　（ｂ）　图５使用典型相关分析选出合适的参数。并用相关系数　所成的两个病例的图像　Ｆｉｇ　５　Ｔｈｅｉ瑚ｇｅ　ｏｆｔｗｏａＩｓ鹤ｂｙ　ｃｏｒｒｄａｔ￣ｌ　ｃｏｅｆｉｆｄｅｎｔ，ｔｈｅ　ｌ￣ｒａｍｅｔｅｒｓ　ｏｆｗｈｉｃｈｉｓ￣ｅｋｅａｌｌｐ　ｂｙＣＣＡ　数。统计多个参数分布作为参考参数，通过相似关　系计算，得出各电极点对应组织的异常程度。该方　法综合考虑了多个特征参数在识别肿瘤方面的作　用，减小了由此带来的误差风险。在实验结果中，取　得了较好的效果，有一定的应用价值。　参考文献：　［１］Ｓｃｈｏｌｚ　Ｂ，Ａｎｄｅｒｓｏｎ　Ｒ．Ｏｎ　ｅｌｅｃｔｒｉｃａｌ　ｉｍｐｅｄａｎｃｅ　ｓｃａｎｎｉｎｇ　ｐｆｉｎｃｉｐｌｅｓ　ａｎｄ　ｓｉｍｕｌａｔｉｏｎｓ［Ｊ　Ｊ．Ｅｌｅｃｔｍｍｅｄｉａ，２ＯＯＯ，６８：３５—４４．　［２］Ｓｃｈｗａｎ　Ｈ　Ｐ．Ｅｌｅｃｔｒｉｃａｌ　ｐｒｏｐｅｒｔｉｅｓ　ｏｆ　ｔｉｓｓｕｅｓ　ａｎｄ　ｃｅｌｌ　ｓｕｓｐｅｎｓｉｏｎｓ　ｍｅｃｈａｎｉｓｍｓ　ａｎｄ　ｍｏｄｅｌｓ［Ｊ　Ｊ．ＩＥＥＥ，１９９４，７０—７１．　［３］Ｇｒｉｍｎｅｓ　Ｓ　ａｎｄ　Ｍａｒｔｉｎｓｅｎ　Ｏ　Ｇ．Ｂｉｏｉｍｐｅｄａｎｃｅ　ａｎｄ　ｂｉｏｅｌｅｃｔｒｉｃｉｔｙ　ｂａｓｉｃｓ　［Ｍ］．Ｎｅｗ　Ｙｏｒｋ：ａｃａｄｅＩＩ｜ｉｃ　ｐｒｅｓｓ，２００Ｏ．　［４］Ｍａｌｉｅｈ　Ａ，Ｆｒｉｔｓｃｈ　Ｔ，Ａｎｄｅｒｓｏｎ　Ｒ，ｅｔａ１．Ｅｌｅｃｔｒｉｃａｌ　ｉｍｐｅｄａｎｃｅ　ｓｃａｎｎｉｎｇ　ｆｏｒ　ｃｌａｓｓｉｆｙｉｎｇ　ｓｕｓｐｉｃｉｏｕｓ　ｂｒｅａｓｔ　ｌｅｓｉｏｎｓ：ｆｉｒｓｔ　ｒｅｓｕｌｔｓ［Ｊ］．Ｅｕｒｏｐｅａｎ　Ｒａｄｉｏｌｏｇｙ，２０００，１０（１０）：１５５５．　［５］刘锐岗，付峰，史学涛，等．几种乳腺疾病的电阻抗扫描的频率特　性［Ｊ］．生物医学工程学杂志，２００５，２２（６）：１０９０—１０９４．　［６］Ａｓｓｅｎｈｅｉｍｅｒ　Ｍ，Ｌａｖｅｒ—Ｍｏｓｋｏｖｉｔｚ　Ｏ，Ｍａｌｏｎｅｋ　Ｄ，ｅｔ　ａ１．Ｔｈｅ　Ｔ—　ＳＣＡＮＴＭｔｃｅｈｎｏｌｏｇｙ：ｅｌｃｅｔｒｉｃａｌ　ｉｍｐｅｄａｎｃｅ　ａｓ　ａ　ｄｉａｇｎｏｓｔｉｃ　ｔｏｏｌ　ｆｏｒ　ｂｒｅａｓｔ　ｃａｎｃｅｒ　ｄｅｔｅｃｔｉｏｎ［Ｊ　Ｊ．Ｐｈｙｓｉｏｌ　Ｍｅａｓ，２００１，２２：１—８．　［７　Ｊ　Ｗｅｒｓｅｂｅ　Ａ，Ｓｉｅｇｍａｎｎ　Ｋ，Ｋｒａｉｎｉｃｋ　Ｕ，ｅｔ　ａ１．Ｄｉａｇｎｏｓｔｉｃ　ｐｏｔｅｎｆｉＭ　ｏｆ　ｔａｒｇｅｔｅｄｅｌｅｃｔｒｉｃａｌ　ｉｍ０ｅａａｎｏ￣ｓｃａｎｎｉｎｇ　ｉｎ　ｃｌａｓｓｉｆｙｉｎｇ　ｓｕｓｐＪ‘ｃｉｏｕｓ　ｂｒｅａｓｔ　Ｉｅｓｉｏｎｓ［Ｊ］．ｉｎｖｅｓｔｉｇａｔｉｖｅ　ｒａｄｉｏｌｏｇｙ，２ＯＯ２，３７（２）：６５—７２．　［８］董秀珍．生物电阻抗技术研究进展［Ｊ］．中国医学物理学杂志，　２００４，２７（６）：３１１—３２０．　［９］Ｊｏｓｓｉｎｅｔ　Ｊ，Ｌａｖａｎｄｉｅｒ　Ｂ．Ａ　ｒｅｖｉｅｗ　ｏｆ　ｐａｒｄｎ￣ｔｅｒｓ　ｆｏｒ　ｔｈｅ　ｂｉｏｅｌｃｅｔｒｉｃａｌ　ｃｈａｒａｃ　ｔｅｆｉｚａｔｉｏｎ　ｏｆ　ｂｒｅａｓｔ　ｔｉｓｓｕｅ［Ｊ　Ｊ．Ａｎｎａｌｓ　ｏｆ　ｔｈｅ　ＮｅｗＹｏ￣Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉ￣ｃｅｓ，１９９９，３０—４．　【ｌＯ］ＬｉｕＲｕｉｇａｎｇ，ＤｏｎｇＸｉｕｚｈｅｎ，ＦｕＦａｎｇ，ｅｔ　ａ１．Ｐｒｉｍａｒｙｍｕｌｔｉ—ｆｒｅｑｕｅｎｃｙ　ｄａｔａ　ａｎａ】ｙｚｅ　ｉｎ　ｅｌｃｅｔｒｉｃａｌ　ｉｍｐｅｄａｎｃｅ　ｓｃａｎｎｉｎｇ　ＩＥＥＥ　２００５［Ａ］．　Ｅｎｇｉｎｅｅｒｉｎｇ　ｉｎ　Ｍｅｄｉｃｍｅ　ａｎｄ　Ｂｉｏｌｏｇｙ　２７出Ａｎｎｕａｌ　ｃｏｎｆｅｒｅｒｌｃｅ［Ｃ］．　ｓｈａｎ　ａｊ，２００５．　［１１］郑洪苗，鲍旭东．乳腺癌病例多频电阻抗扫描数据特征参数的　初步分析［Ｊ］．生物医学工程研究，２００７，２６（１）：ｌ４一ｌ９．　１ｌ２　ＪＧｒｉｍｅｓ　ＳａｎｄＭａｒｔｉｎｓ朗０　Ｇ．Ｃｏｌｅ　ｅｌｃｅｔｒｉｃａｌｍｏｄｅｌ—ａ　ｃｆｉｔｉｑｕｅａｎｄ　ａｎ　ａｈｅｍａｔｉｖｅ［Ｊ］．ＩＥＥＥ，２００５，５２（１）：１３２—１３５．　１ｌ３　ＪＩｖｏｒｒａｌ　Ａ，Ｇｅｎｅｓｃ　ａ　Ｍ，Ｓｏｌａ　Ａ，Ｂｉｏｉｍｐｅｄａｎｃｅ出ｓ【　蚰ｗｉｄｔｈ　ａｓ　ａ　ｐａｒａｍｅｔｅｒ　ｔｏ　ｍ￣ｉｔｏｒ　ｌｉｖｉｎｇ　ｔｉｓｓｕｅｓ［Ｊ］．Ｐｈｙｓｉｏｌ　Ｍｅａｓ，２０Ｏ５，２６：１６５—１７３．　［１４］余锦华，杨维权．多元统计分析与应用［Ｍ］．广州：中山大学出版　社，２００５．２７４—２８７．　（收稿１３期：２００７—１２—３０）