Towards Seeing Bones at Radio Frequency
作者: Yiwen Song, Hongyang Li, Kuang Yuan, Ran Bi, Swarun Kumar
分类: cs.GR, cs.ET, cs.LG
发布日期: 2025-09-22
💡 一句话要点
提出MCT：一种基于射频穿透的成像系统，实现毫米级分辨率的骨骼成像
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 射频成像 穿透成像 合成孔径 衍射校正 深度学习 骨骼成像 无线传感
📋 核心要点
- 现有无线传感技术难以在射频下实现类似X射线的骨骼成像，主要挑战在于射频信号穿透人体组织时衰减大、衍射复杂。
- 论文提出MCT系统，结合一种新的基于穿透的合成孔径算法和学习流程，以校正衍射伪影，从而提高成像分辨率。
- 实验结果表明，MCT系统在肉类模型上的分辨率从亚分米级提升至亚厘米级，显著优于以往的射频穿透成像技术。
📝 摘要（中文）
本文探索了一种名为MCT的基于穿透的射频成像系统，旨在实现无线电频率下的X射线式视觉，从而对骨骼进行毫米级分辨率的成像，这显著超越了以往基于穿透的射频成像文献。长波长、显著衰减以及复杂的衍射现象长期以来限制了射频穿透成像的分辨率（通常最佳为几厘米）。为了解决这些问题，本文提出了一种新颖的基于穿透的合成孔径算法，并结合基于学习的流程来校正衍射引起的伪影。对肉类模型的详细评估表明，与以往的射频穿透成像技术相比，分辨率从亚分米级提高到亚厘米级。
🔬 方法详解
问题定义：现有无线传感技术无法在射频下实现高分辨率的骨骼成像。主要痛点在于，射频信号在穿透人体组织时会发生严重的衰减和复杂的衍射，导致传统成像方法分辨率低，难以清晰地呈现骨骼结构。以往的射频穿透成像技术分辨率通常在厘米级别，无法满足精细的医学诊断需求。
核心思路：论文的核心思路是利用射频信号的穿透能力，结合合成孔径技术和深度学习，来克服衰减和衍射带来的影响，从而提高成像分辨率。通过合成孔径技术，可以模拟更大的天线孔径，提高成像的分辨率。同时，利用深度学习模型学习衍射模式，校正衍射引起的伪影，进一步提升成像质量。
技术框架：MCT系统的整体框架包含以下几个主要阶段：1) 射频信号发射与接收：利用射频发射器发射信号，并使用接收器接收穿透肉类模型后的信号。2) 合成孔径成像：利用接收到的信号，通过合成孔径算法重建图像。3) 衍射伪影校正：使用训练好的深度学习模型，对重建后的图像进行处理，校正衍射引起的伪影。4) 图像后处理：对校正后的图像进行进一步处理，例如增强对比度、锐化等，以提高图像质量。
关键创新：论文的关键创新在于提出了一种新的基于穿透的合成孔径算法，并结合了基于学习的衍射伪影校正流程。传统的合成孔径算法通常假设信号传播路径是直线，但在射频穿透成像中，由于衍射的存在，信号传播路径会发生弯曲，导致成像质量下降。论文提出的算法考虑了衍射的影响，通过学习衍射模式，对信号传播路径进行校正，从而提高了成像分辨率。
关键设计：在合成孔径算法中，需要精确地估计信号的传播时间。论文采用了一种基于互相关的时延估计方法，可以有效地抑制噪声的影响，提高时延估计的精度。在深度学习模型的设计中，论文采用了一种卷积神经网络（CNN），该网络可以有效地学习衍射模式，并对衍射伪影进行校正。损失函数采用均方误差（MSE），以最小化重建图像与真实图像之间的差异。
🖼️ 关键图片
📊 实验亮点
实验结果表明，MCT系统在肉类模型上的分辨率从亚分米级提升至亚厘米级，显著优于以往的射频穿透成像技术。具体来说，MCT系统能够清晰地呈现肉类模型中的骨骼结构，而以往的技术只能看到模糊的轮廓。此外，实验还验证了深度学习模型在衍射伪影校正方面的有效性，表明该模型可以显著提高成像质量。
🎯 应用场景
该研究成果具有广泛的应用前景，例如在非侵入式医学诊断、安检、考古等领域。通过射频成像，可以实现对人体内部结构的无损检测，避免X射线辐射带来的潜在危害。在安检领域，可以用于检测隐藏的武器或爆炸物。在考古领域，可以用于探测地下文物，而无需进行挖掘。
📄 摘要（原文）
Wireless sensing literature has long aspired to achieve X-ray-like vision at radio frequencies. Yet, state-of-the-art wireless sensing literature has yet to generate the archetypal X-ray image: one of the bones beneath flesh. In this paper, we explore MCT, a penetration-based RF-imaging system for imaging bones at mm-resolution, one that significantly exceeds prior penetration-based RF imaging literature. Indeed the long wavelength, significant attenuation and complex diffraction that occur as RF propagates through flesh, have long limited imaging resolution (to several centimeters at best). We address these concerns through a novel penetration-based synthetic aperture algorithm, coupled with a learning-based pipeline to correct for diffraction-induced artifacts. A detailed evaluation of meat models demonstrates a resolution improvement from sub-decimeter to sub-centimeter over prior art in RF penetrative imaging.