劉俊汝，李思楠，吳水才

（北京工業(yè)大學(xué)環(huán)境與生命學(xué)部，北京 100124）

0 引言

微波熱消融是臨床治療肝細(xì)胞癌的主要方法之一，該技術(shù)通過加熱引起細(xì)胞損傷，并形成一定體積的凝固性壞死區(qū)域[1]。為了降低腫瘤復(fù)發(fā)的風(fēng)險，在手術(shù)過程中需要利用成像技術(shù)監(jiān)測熱消融產(chǎn)生的凝固區(qū)，凝固區(qū)需要完全覆蓋腫瘤，并在各個方向形成5～10 mm 的邊界[2-3]。超聲成像技術(shù)作為熱消融過程中監(jiān)測凝固區(qū)的成像技術(shù)具有的優(yōu)點包括連續(xù)實時成像能力、成本相對較低、在評估熱消融治療效果時與動態(tài)CT 具有高度一致性[4-6]。消融過程中，隨著溫度的升高，組織的微觀結(jié)構(gòu)變化會帶來聲學(xué)性質(zhì)的變化，傳統(tǒng)的B 超成像可以利用超聲背散射信號的幅值提供高分辨力和高幀速率的圖像，但由于加熱過程中氣泡活動會在B 超圖像中產(chǎn)生后方聲影，使其難以確定消融區(qū)的形狀和大小[7]。而定量超聲成像技術(shù)可以利用聲學(xué)特性對熱消融區(qū)域提供定量的評估，具備區(qū)分消融區(qū)和正常組織的潛力[8]。

常用于監(jiān)測凝固區(qū)的定量超聲技術(shù)包括包絡(luò)統(tǒng)計參數(shù)成像[9-13]、回波去相關(guān)成像[14-18]、超聲衰減系數(shù)成像[7，19]、超聲信息熵成像[20]等。超聲背散射信號是由每個散射體貢獻(xiàn)的散射波的空間總和，包含散射體的形狀、大小、密度和其他特性相關(guān)的有價值的信息，具有一定的隨機性[21-23]。在聲學(xué)上，肝實質(zhì)可以模擬為大量散射體組成的微觀結(jié)構(gòu)。熱消融過程中產(chǎn)生的氣泡活動和細(xì)胞壞死會導(dǎo)致散射體濃度或排列發(fā)生變化。因此，肝組織顯微結(jié)構(gòu)的局部空間分布可以根據(jù)超聲背散射信號的包絡(luò)統(tǒng)計量（即信號振幅分布）進行評估[23]。當(dāng)換能器分辨單元中散射體的數(shù)量密度增加時，包絡(luò)統(tǒng)計量呈現(xiàn)出從前瑞利分布到瑞利分布的變化[24]。通常，Nakagami 分布模型和零差K 分布模型是2 個最常用的超聲背散射廣義統(tǒng)計模型，利用2 種分布模型的參數(shù)可以將氣泡變?yōu)橛行畔?，表示散射體的變化。由于零差K 分布是用廣義積分表示的，參數(shù)估計方法較為復(fù)雜，大部分研究利用Nakagami 分布模型進行近似[25]。Nakagami 分布模型利用m 參數(shù)表示散射體濃度的變化，有很多研究已將其應(yīng)用于凝固區(qū)的監(jiān)測中，但其在凝固區(qū)和正常組織之間會存在邊界效應(yīng)，容易受到氣泡和聲學(xué)偽影的影響，在這種情況下，邊界的m 參數(shù)值較低[12]。零差K 分布有效利用α 參數(shù)和k 參數(shù)描述組織中的散射，參數(shù)具有物理意義，偏度、峰度可以測試包絡(luò)信號是否遵循瑞利分布，Hruska 等[26]首次提出RSK 估計器，利用信噪比、偏度、峰度3 個分類器估算α、k 參數(shù)。Destrempes 等[27]首次提出XU 估計器，利用單調(diào)函數(shù)二分法基于強度一階矩和兩階對數(shù)矩計算零差K 分布模型的參數(shù)。Song 等[13]將噪聲輔助相關(guān)算法與零差K 參數(shù)成像算法相結(jié)合，首次將零差K 成像用于監(jiān)測微波熱消融產(chǎn)生的凝固區(qū)，并且證實了在監(jiān)測肝組織微波熱消融凝固區(qū)時，XU估計器優(yōu)于RSK 估計器[28]。Zhou 等[29]提出一種基于人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）估算零差K 分布參數(shù)的估計器，結(jié)果表明，ANN 估計器比RSK 和XU 估計器計算準(zhǔn)確性更高、計算速度更快。ANN 估計器在組織表征方面具有很大的潛力，已經(jīng)在脂肪肝變性、肝纖維化評估中得到了應(yīng)用，但其在凝固區(qū)監(jiān)測方面還未有應(yīng)用[29-30]。

基于此，本研究利用ANN 估計器估算零差K分布的α、k 參數(shù)，并與多項式擬合（polynomial approximation，PAX）技術(shù)相結(jié)合對微波熱消融產(chǎn)生的凝固區(qū)進行定量評估。同時在不同消融功率、持續(xù)時間下，通過ROC 曲線、Dice 系數(shù)和Jaccard 系數(shù)，對比XU和ANN 估計器估算零差K 分布模型參數(shù)PAX 成像監(jiān)測微波熱消融的性能。

1 研究方法

1.1 實驗數(shù)據(jù)采集

本文對新鮮的離體豬肝進行微波熱消融實驗，采集超聲背散射信號來對比ANN、XU 估計器監(jiān)測凝固區(qū)的性能。實驗平臺設(shè)置如圖1 所示，實驗設(shè)備包括微波消融儀（KY-2000，南京康友有限公司）、水冷式微波消融針（KY-2450B，南京康友有限公司）、便攜式超聲掃描儀（Terason T3000，美國Terason 公司）、線性陣列換能器（12L5A，中心頻率為7.5 MHz、通道數(shù)為256、脈沖長度約為0.7 mm，美國Terason公司）、用于盛放離體豬肝標(biāo)本的丙烯酸盒子以及用于固定換能器的支架。

圖1 實驗平臺設(shè)置圖

實驗開始前，將離體豬肝放置在0.9%的氯化鈉溶液中浸泡進行去氣泡處理。然后利用B 超成像避開大血管和筋膜對離體豬肝進行掃描選取樣本，將離體豬肝放入丙烯酸盒中進行消融實驗。將水冷式微波消融針插入離體豬肝時，消融區(qū)最長直徑對應(yīng)的消融針發(fā)射點放置在線性陣列換能器正下方，以保證換能器采集的平面為當(dāng)前功率、時間下消融面積最大的截面。

實驗中，利用自寫的程序以2 幀/s 的速率采集原始的超聲背散射信號，信號數(shù)據(jù)以.bin 格式存入超聲掃描儀硬盤中，信號矩陣大小為1 558（采樣點數(shù)）×256（掃描線數(shù)）。控制消融功率和持續(xù)時間分別為80 W 1 min、70 W 2 min、60 W 3 min，3 組實驗各采集16 例超聲背散射信號。實驗結(jié)束后，沿線性陣列換能器采集的平面切割消融后的離體豬肝，拍攝組織切片的圖片。利用Image J 軟件對組織切片的圖片進行處理，以針尖為中心取3 cm×3 cm 大小的感興趣區(qū)。由專家手動勾選出感興趣區(qū)中凝固區(qū)的范圍，然后做二值化處理，將凝固區(qū)為1、正常組織為0 作為金標(biāo)準(zhǔn)。

1.2 理論依據(jù)

零差K 分布的概率密度函數(shù)fHK（A）被定義為

式中，A 代表超聲背散射信號包絡(luò)的振幅；變量x 僅用于積分；J0（·）表示第一類零階貝塞爾函數(shù)；ε2和2ασ2分別為背散射信號中的相干分量和漫散射分量；散射體聚類參數(shù)α 表示每個分辨力單元中有效散射體的個數(shù)。導(dǎo)出的k 參數(shù)代表相干信號與漫散射信號能量的比率，可用于描述散射體的結(jié)構(gòu)水平或周期性，相關(guān)公式如下：

零差K 分布的概率密度函數(shù)十分復(fù)雜，沒有封閉的函數(shù)表達(dá)形式。目前，估算零差K 分布的α 參數(shù)和k 參數(shù)的方法包括XU 法[27]、RSK 法[26]和ANN 法[29]。

1.2.1 XU 法

式中，XHK、UHK分別表示X、U 統(tǒng)計量的理論值；arg min表示使|UHK-U|取最小時的自變量取值。利用二分法估計滿足方程的最優(yōu)參數(shù)ε2、σ2、α，然后根據(jù)公式（2）計算得到k 參數(shù)[27]。為提高計算效率，本文將αmax設(shè)置為40.5。

1.2.2 RSK 法

RSK 法基于包絡(luò)振幅信噪比R、偏度S、峰度K的任意階矩v（v 為矩數(shù)）的水平曲線估計，關(guān)系如下：

當(dāng)v 為固定值時，Rv、Sv、Kv是關(guān)于α、k 參數(shù)的函數(shù)，將零差K 分布預(yù)測的R、S、K 理論值與包絡(luò)信號計算的估計值取等，可以估計出α、k 參數(shù)。本文中設(shè)置v=2。

1.2.3 ANN 法

ANN 法利用蒙特卡羅仿真對每一組α、k 參數(shù)值生成符合零差K 分布的獨立同分布（independent and identically distributed，IID）包絡(luò)信號樣本，作為模型的訓(xùn)練集。通過公式（3）～（8）計算訓(xùn)練集中每個樣本對應(yīng)的X、U、R、S、K 5 個特征參數(shù)作為模型的輸入。訓(xùn)練ANN 模型后得到α、k 的參數(shù)估計作為模型的輸出。

在生成IID 包絡(luò)信號樣本時，為了消除σ 參數(shù)的影響，將信號功率的平均值限制為1：

式中，Xi和Yi分別代表單位高斯分布的IID 樣本和伽馬分布的樣本，i 表示生成的樣本數(shù)。本文中i=3 158，對應(yīng)于5 倍超聲換能器脈沖長度。IID 包絡(luò)信號樣本的參數(shù)范圍為：lg α∈{-1.00，-0.99，…，2.00}、k∈{0.00，0.01，…，2.00}。因此，訓(xùn)練集的大小為60 501×3 158。

ANN 模型為4 層前反饋反向傳播網(wǎng)絡(luò)，第一層為5 個神經(jīng)元組成的輸入層，分別對應(yīng)5 個特征參數(shù)；2 個隱藏層的神經(jīng)元個數(shù)分別為30、10；第四層為2 個神經(jīng)元組成的輸出層，分別對應(yīng)lg α、k參數(shù)的估值。具體的ANN 估計器設(shè)置可參考文獻(xiàn)[29]。

1.3 超聲背散射信號零差K 參數(shù)成像

通過MATLAB R2019a 軟件（美國The MathWorks公司）對實驗采集的超聲背散射信號進行處理，構(gòu)建B 超圖像。對去噪后的超聲背散射信號分別基于ANN 估計器和XU 估計器估算α、k 參數(shù)（αANN、kANN、αXU、kXU）矩陣。構(gòu)建零差K 參數(shù)圖像以及各參數(shù)PAX圖像，利用成像結(jié)果對凝固區(qū)進行定量評估。

具體成像流程如圖2 所示。先對超聲背散射信號進行噪聲輔助相關(guān)預(yù)處理，用零值代替無回聲區(qū)域的噪聲信號，然后利用希爾伯特變換進行包絡(luò)檢測。對包絡(luò)信號進行對數(shù)壓縮，可以得到B 超圖像。利用滑動窗口法對未壓縮的包絡(luò)信號估算以針尖為中心3 cm×3 cm 感興趣區(qū)內(nèi)的αANN、kANN、αXU、kXU參數(shù)，將估算的參數(shù)矩陣進行數(shù)字掃描變換和顏色映射即可得到對應(yīng)的參數(shù)圖像。最后對參數(shù)矩陣每一個列向量、行向量分別進行4 階PAX，可以得到近似為橢圓的PAX 圖像

圖2 超聲成像流程

滑動窗口法是利用方形窗口以固定的窗口重疊率為步長在包絡(luò)信號中滑動，計算當(dāng)前窗口內(nèi)的零差K 參數(shù)后將參數(shù)值賦給窗口中心像素。在估算參數(shù)時，使用小窗口可以提高圖像的分辨力，對衰減的靈敏度較低；使用大窗口可以提高圖像的平滑度，避免參數(shù)高估?；瑒哟翱诘拇笮∪Q于換能器脈沖長度的倍數(shù)。Zhou 等[31]研究表明，滑動窗口≥5 倍換能器脈沖長度時，基于XU 法計算的α 參數(shù)與散射體濃度才開始呈線性相關(guān)，但k 參數(shù)的相關(guān)性研究未涉及。因此，為了限制滑動窗口大小對結(jié)果對比的影響，本文均采用5 倍換能器脈沖長度大小的滑動窗口進行αANN、kANN、αXU、kXU參數(shù)估計，窗口重疊率設(shè)置為50%。

1.4 評價指標(biāo)

利用ROC 曲線對2 種估計器估算的參數(shù)成像監(jiān)測凝固區(qū)的性能進行評估。以消融針針尖位置為中心，在B 超圖、PAX 圖中選取3 cm×3 cm 大小的感興趣區(qū)。調(diào)整感興趣區(qū)的大小，使其與組織切片圖二值化處理得到的金標(biāo)圖具有相同的像素大小，然后進行歸一化處理，使參數(shù)值的范圍在0～1 之間。對比感興趣區(qū)與二值化金標(biāo)圖，在0～1 閾值范圍內(nèi)，預(yù)測每一個像素，通過混淆矩陣?yán)L制ROC 曲線。取距離坐標(biāo)系左上角歐氏距離最小的點作為最佳閾值點，計算最佳閾值時區(qū)分凝固區(qū)與正常組織的準(zhǔn)確率（accuracy，ACC）、敏感度（sensitivity，SEN）、特異性（specificity，SPE）、陽性預(yù)測率（positive predictive value，PPV）、陰性預(yù)測率（negative predictive value，NPV）。計算ROC 曲線的AUC，AUC 值越大，分類性能越好。利用Kruskal-Wallis 非參數(shù)檢驗對的AUC 值做顯著性差異分析。

為了進一步評估ANN 估計器與XU 估計器監(jiān)測凝固區(qū)的準(zhǔn)確性，計算各參數(shù)PAX 圖與金標(biāo)圖之間的Dice 系數(shù)和Jaccard 系數(shù)。Dice 系數(shù)和Jaccard系數(shù)表征整幅圖像之間的相似性對比，系數(shù)越高，PAX 圖評估凝固區(qū)的準(zhǔn)確性越高。利用Tukey 檢驗分別分析參數(shù)αANN、kANN、αXU和kXUPAX 圖之間Dice系數(shù)和Jaccard 系數(shù)的顯著性差異。

繪制ROC 曲線和計算Dice 系數(shù)、Jaccard 系數(shù)通過MATLAB R2019a 軟件實現(xiàn)，顯著性差異分析通過SPSS 26.0（美國IBM 公司）軟件實現(xiàn)。

2 實驗結(jié)果

圖3 為離體豬肝消融實驗結(jié)束幀的B 超圖、αANN參數(shù)圖、kANN參數(shù)圖、αXU參數(shù)圖、kXU參數(shù)圖。細(xì)胞壞死和熱誘導(dǎo)的氣泡會導(dǎo)致凝固區(qū)背散射信號的振幅明顯大于正常組織。在B 超圖像中，凝固區(qū)表現(xiàn)為高回聲，正常組織表現(xiàn)為低回聲。在參數(shù)圖像中，參數(shù)被映射在0～1 之間，由藍(lán)色到紅色色階表示參數(shù)值的遞增，凝固區(qū)的參數(shù)值高于正常組織區(qū)域。隨著消融持續(xù)時間的增加，氣泡消散，每個分辨力單元內(nèi)散射子的個數(shù)也會隨之減少。

圖3 離體豬肝消融實驗結(jié)束幀的成像結(jié)果圖

圖4 為微波熱消融離體豬肝實驗后立即處理得到的組織切片圖、金標(biāo)圖以及基于αANN、kANN、αXU、kXU參數(shù)的PAX 圖。在組織切片中，肉眼可見的淡白色區(qū)域即為熱消融產(chǎn)生的組織凝固壞死區(qū)域，邊界用黃色輪廓線表示。ANN 估計器與XU 估計器估算參數(shù)進行PAX 得到的圖像都能對凝固區(qū)的范圍進行表征。大量實驗發(fā)現(xiàn)以-6 dB 為閾值可以較好地表征凝固區(qū)范圍[13，18，28]，因此在圖中-6 dB 以內(nèi)的區(qū)域被視為凝固區(qū)，以外的區(qū)域被視為正常組織，凝固區(qū)邊界以黑色輪廓線表示。

圖4 離體豬肝消融實驗后處理得到的組織切片圖、金標(biāo)圖和各參數(shù)PAX 圖

圖5 為與圖4 相對應(yīng)的各參數(shù)PAX 成像監(jiān)測凝固區(qū)的ROC 曲線。當(dāng)消融功率與持續(xù)時間為60 W 3 min 時，αANN、kANN、αXU、kXU的AUC 值分別為0.941、0.890、0.997、0.985；當(dāng)消融功率與持續(xù)時間為70 W 2 min 時，αANN、kANN、αXU、kXU的AUC 值分別為0.990、0.954、0.984、0.970；當(dāng)消融功率與持續(xù)時間為80 W 1 min 時，AUC 值分別為0.986、0.972、0.984、0.966。從圖5 可以看出，各參數(shù)PAX 圖像的AUC 值均高于同一消融功率、持續(xù)時間下B 超圖像的AUC 值。

圖5 B 超成像、各參數(shù)PAX 成像監(jiān)測凝固區(qū)的ROC 曲線

表1 計算了不同消融功率、持續(xù)時間條件下4組參數(shù)PAX 圖像AUC 值的中位數(shù)、上四分位數(shù)Q3、下四分位數(shù)Q1、四分位距IQR（Q3-Q1）。α 參數(shù)AUC 值的中位數(shù)總體比k 參數(shù)的高，IQR 總體比k參數(shù)的低。的AUC 值中位數(shù)在80 W 1 min 時最高，分別為0.985、0.910、0.965。的中位數(shù)在60 W 3 min 時最高，為0.979，但僅比80 W 1 min 時的AUC 值高0.002；和AUC 值的IQR 在80 W 1 min 時最低，AUC 值的IQR 在60 W 3 min 時最低，與80 W 1 min時僅差0.003。

表1 不同消融功率、持續(xù)時間條件下各參數(shù)PAX 圖像AUC 值的中位數(shù)、Q1、Q3 和IQR

表2 給出了B 超成像、各參數(shù)PAX 成像ROC曲線最佳閾值點處的指標(biāo)。在不同功率、持續(xù)時間下，參數(shù)PAX 成像的指標(biāo)均高于B 超成像的指標(biāo)。各參數(shù)的ACC、SEN、SPE、NPV 均在80 W 1 min 時最高。除的PPV 在70 W 2 min 時最高外，其他參數(shù)的PPV 均在60 W 3 min 時最高。在60 W 3 min 時，的ACC、SEN、SPE、PPV、NPV 最高；在70 W 2 min 時的ACC、SEN、SPE、PPV、NPV 最高；在80 W 1 min 時的ACC、SPE、PPV 最高的SEN、NPV 最高，兩參數(shù)指標(biāo)僅相差1%左右。除在80 W 1 min 時SEN、NPV 的標(biāo)準(zhǔn)差高于外，其他組別各指標(biāo)的標(biāo)準(zhǔn)差均低于其他參數(shù)。

表2 B 超成像、各參數(shù)PAX 成像ROC 曲線最佳閾值點處的指標(biāo)統(tǒng)計結(jié)果（±s） 單位：%

表2 B 超成像、各參數(shù)PAX 成像ROC 曲線最佳閾值點處的指標(biāo)統(tǒng)計結(jié)果（±s） 單位：%

圖6 比較了PAX 圖像與金標(biāo)準(zhǔn)計算的Dice 系數(shù)、Jaccard 系數(shù)。PAXα計算的系數(shù)值總體比PAXk計算的系數(shù)值高，并且Dice 系數(shù)高于Jaccard 系數(shù)。統(tǒng)計分析結(jié)果表明，在60 W 3 min、70 W 2 min、80 W 1 min 時與的Jaccard 系數(shù)差異均有統(tǒng)計學(xué)意義（P<0.05），與的Jaccard 系數(shù)之間差異均有統(tǒng)計學(xué)意義（P<0.001）；與的Dice 系數(shù)在60 W 3 min、70 W 2 min 時差異均有統(tǒng)計學(xué)意義（P<0.05），在80 W 1 min 時差異有高度統(tǒng)計學(xué)意義（P<0.001）；與的Dice 系數(shù)僅在60 W 3 min 時差異有統(tǒng)計學(xué)意義（P<0.05）。在不同消融功率、持續(xù)時間條件下，PAXα之間的對比差異均無統(tǒng)計學(xué)意義（P＞0.05）。綜上表明，與凝固區(qū)的相似度最低；基于ANN 估計器與XU 估計器計算得到的PAXα圖像與凝固區(qū)的相似度水平一致，但ANN 估計器計算的標(biāo)準(zhǔn)差更低一些。

圖6 PAX 圖像與金標(biāo)準(zhǔn)之間Dice 系數(shù)、Jaccard 系數(shù)比較（±s）

3 討論

本文基于ANN 估計器估算零差K 分布的α、k參數(shù)，將其應(yīng)用到評估微波熱消融凝固區(qū)中。利用離體豬肝采集的超聲背散射信號，對比了ANN 估計器與XU 估計器評估凝固區(qū)的性能和準(zhǔn)確性。

ANN 由輸入層、一個或多個隱藏層和輸出層構(gòu)成，可以為特征和目標(biāo)之間的復(fù)雜功能關(guān)系構(gòu)建非線性預(yù)測模型[30]。先前的研究已經(jīng)證實，相對于使用R、S、K 3 個特征參數(shù)或X、U 2 個特征參數(shù)的ANN 估計器，結(jié)合RSK 與XU 估計器使用5 個特征參數(shù)組合的ANN 估計器性能更好[29]。ANN 估計器的能力體現(xiàn)在學(xué)習(xí)和函數(shù)逼近方面。因此，在評估性能保持一致的前提下，ANN 估計器比RSK 估計器和XU 估計器更加靈活，并且計算速度更快。從圖3～5 可以看出，基于ANN 估計器的零差K參數(shù)成像可以作為一種表征微波熱消融凝固區(qū)的方法。

滑動窗口技術(shù)是構(gòu)建超聲參數(shù)圖像的常用方法。使用不同的窗口大小會影響參數(shù)圖像的分辨力和參數(shù)估計的穩(wěn)定性（即參數(shù)圖像的平滑度）[22]。如果為了獲得良好的圖像分辨力而選擇相對較小的窗口，參數(shù)估計會因為窗口內(nèi)包含的樣本量較少而變得不準(zhǔn)確[32]，這與先前的研究一致，即窗口內(nèi)包含的樣本量越多，參數(shù)估計的均方根誤差越低[29]。綜上，窗口大小的選擇是圖像分辨力和平滑度之間權(quán)衡的結(jié)果。在超聲參數(shù)成像中，滑動窗口的大小可以設(shè)置為實際使用的超聲換能器脈沖長度的倍數(shù)，Zhou 等[31]通過體模仿真實驗得出：當(dāng)窗口大小增加到超聲換能器脈沖長度的5 倍或更高時，基于XU 估計器計算的α 參數(shù)才隨散射體濃度的增加呈線性變化。因此，以5 倍換能器脈沖長度作為滑動窗口的大小可被視為實現(xiàn)基于XU 估計器的α 參數(shù)成像的最低要求。但目前還沒有研究涉及到基于XU 估計器k 參數(shù)成像和基于ANN 估計器參數(shù)成像的窗口選擇。在本文中，為了保持參數(shù)估計的一致性，ANN 估計器和XU 估計器的窗口大小都設(shè)置為換能器脈沖長度的5 倍。

結(jié)合表1 和圖6 可以得出，無論是基于ANN 估計器還是基于XU 估計器，α 參數(shù)對凝固區(qū)的監(jiān)測效果都要優(yōu)于k 參數(shù)。統(tǒng)計學(xué)分析結(jié)果表明，在不同功率、持續(xù)時間下，AUC 值、Dice 系數(shù)、Jaccard 系數(shù)在基于ANN 估計器和XU 估計器計算的PAXα圖像之間差異均無統(tǒng)計學(xué)意義（P＞0.05）。這可能是由于PAX技術(shù)通過將參數(shù)范圍擬合成近似為橢圓的區(qū)域，拉近了參數(shù)評估凝固區(qū)的結(jié)果。除此之外，PAX 技術(shù)還彌補了不同功率下原始參數(shù)評估效果的差異，使得評價指標(biāo)在不同功率、持續(xù)時間下沒有明顯的對比。不過需要注意的是，α 參數(shù)在80 W 1 min 時的成像效果更好。

從圖3 中可以看出，α 參數(shù)圖在80 W 1 min 時明顯包含了更多的散射體信息。氣泡作為有效信息能增強消融區(qū)的可視化。氣泡活動的劇烈程度發(fā)生改變進而會導(dǎo)致背散射信號的統(tǒng)計分布發(fā)生改變。在消融初期，熱效應(yīng)產(chǎn)生的氣泡劇烈活動會導(dǎo)致散射體濃度增加，背散射信號的統(tǒng)計分布從前瑞利分布向瑞利分布轉(zhuǎn)變；而隨著消融時間的增加，凝固區(qū)逐漸形成，氣泡開始消散，使散射體濃度減少，背散射信號的統(tǒng)計分布又轉(zhuǎn)變?yōu)榍叭鹄植糩11]。因此，消融持續(xù)時間增加，氣泡活動減弱，每個分辨力單元內(nèi)有效散射體的個數(shù)減少，即α 參數(shù)值降低，參數(shù)圖中包含的散射體信息減少。除了氣泡對參數(shù)成像結(jié)果產(chǎn)生影響外，在消融后期，凝固區(qū)作為強反射區(qū)，導(dǎo)致聲衰減，在凝固區(qū)下方超聲波不能準(zhǔn)確探測到更多的有效信息，產(chǎn)生更強的后方聲影（B 超圖像中更為明顯）。所以α 參數(shù)圖在80 W、1 min 時的成像效果最好，但其在60 W 3 min 時的成像結(jié)果仍能表征凝固區(qū)。

表2 結(jié)果顯示，PPV 值低、NPV 值高，代表預(yù)測的消融區(qū)面積大于實際的消融區(qū)面積。PAXαANN在80 W 1 min 時的ACC 值最高，對應(yīng)于先前研究中ANN 估計器在高散射體密度中參數(shù)估計表現(xiàn)更好的結(jié)論[33]。綜合所有的結(jié)果，ANN 估計器與XU 估計器均在80 W 1 min 時表現(xiàn)最好。

本研究尚有不足之處：首先，本研究利用采集的離體豬肝數(shù)據(jù)進行監(jiān)測，每個消融功率時間組的數(shù)據(jù)量較少（只有16 例），未來應(yīng)補充更多的實驗數(shù)據(jù)并考慮使用在體數(shù)據(jù)對算法進行驗證；其次，本研究所使用的窗口大小固定為換能器脈沖長度的5 倍，未來應(yīng)對基于ANN 估計器的零差K 參數(shù)成像最低窗口大小標(biāo)準(zhǔn)進行仿真研究。

4 結(jié)論

本文首次探究了利用ANN 估計器估算零差K參數(shù)評估微波熱消融凝固區(qū)的可行性。通過離體豬肝采集的超聲背散射信號成像，對比了ANN 估計器和XU 估計器在不同消融功率、持續(xù)時間條件下監(jiān)測凝固區(qū)的性能和監(jiān)測的準(zhǔn)確性。統(tǒng)計結(jié)果表明，在不同消融功率、持續(xù)時間條件下，參數(shù)對凝固區(qū)的監(jiān)測效果均優(yōu)于k 參數(shù)。2 種估計器估算α 參數(shù)PAX成像的AUC 值、Dice 系數(shù)、Jaccard 系數(shù)差異無統(tǒng)計學(xué)意義（P>0.05）。研究表明，基于ANN 估計器的超聲背散射零差K 參數(shù)成像可以用于監(jiān)測微波熱消融產(chǎn)生的凝固區(qū)。