黨英楠，高瑞陽(yáng)，賓光宇，吳水才，崔博翔，周著黃

1.北京工業(yè)大學(xué) 環(huán)境與生命學(xué)部 智能化生理測(cè)量與臨床轉(zhuǎn)化北京市國(guó)際科研合作基地，北京 100124；2.臺(tái)灣長(zhǎng)庚大學(xué) 醫(yī)學(xué)院，臺(tái)灣 桃園 333323

引言

近年來(lái)，脂肪肝在兒童中尤其是肥胖兒童中的發(fā)病率越來(lái)越高，相關(guān)調(diào)查數(shù)據(jù)顯示，肥胖兒童中脂肪肝檢出率高達(dá)53.72%[1]。兒童脂肪肝是未成年人慢性肝病最常見(jiàn)的病因之一，因其獨(dú)特的組織病理學(xué)和臨床特征導(dǎo)致該類(lèi)疾病不僅易進(jìn)展為脂肪性肝炎、肝纖維化、肝硬化乃至肝癌，而且相對(duì)于成人脂肪肝，更易導(dǎo)致其他重大相關(guān)性疾病的發(fā)生，增加病死率[2]。因此，兒童脂肪肝的早期診斷與健康管理具有重要意義。

肝活檢是診斷脂肪肝的“金標(biāo)準(zhǔn)”，但該方法具有侵入性，且存在取樣誤差等不足，不適合作為兒童脂肪肝的篩查與跟蹤監(jiān)測(cè)的方式。因此，非侵入性的影像學(xué)方法受到臨床的廣泛關(guān)注。考慮兒童族群的特殊性，磁共振成像與CT 并非舒適的檢查工具，而超聲成像具有易操作、低成本、高安全性等特點(diǎn)，已是公認(rèn)兒童肝臟脂肪變性理想的篩查工具[3]。但以臨床常用的B 模式超聲（B 超）來(lái)做脂肪肝診斷，雖然快速簡(jiǎn)便，但主觀性較高，判讀結(jié)果易受到臨床醫(yī)師的診斷經(jīng)驗(yàn)影響。

超聲脂肪肝定量輔助診斷技術(shù)中，最具代表性的是法國(guó)Echosens 公司生產(chǎn)的FibroScan 系統(tǒng)，該系統(tǒng)初期應(yīng)用于肝纖維化評(píng)估[4]。之后FibroScan 發(fā)展出受控衰減參數(shù)（Controlled Attenuation Parameter，CAP）來(lái)評(píng)估肝臟脂肪變性程度，肝臟脂肪變性會(huì)強(qiáng)化組織對(duì)聲波能量的吸收效應(yīng)，使得超聲信號(hào)衰減程度增加、CAP 數(shù)值上升[5]。近年來(lái)，有研究者開(kāi)始探討CAP 定量?jī)和靖螄?yán)重程度的臨床性能[6-9]。雖然其有效性已被證實(shí)，但有研究認(rèn)為，皮下脂肪組織過(guò)厚以及測(cè)量過(guò)程中兒童的騷動(dòng)問(wèn)題，是造成CAP 在兒童族群中測(cè)量失敗的主要原因[6]。另一方面，F(xiàn)ibroScan 采取右肋間作為檢查聲窗進(jìn)行定點(diǎn)測(cè)量，并沒(méi)有提供影像掃描或引導(dǎo)功能，由于兒童的肋骨間距相對(duì)較窄，因此正確定位測(cè)量位置的難度較高。

超聲背散射信號(hào)蘊(yùn)含組織微結(jié)構(gòu)信息[10-12]，超聲背散射統(tǒng)計(jì)參數(shù)成像是一種基于背散射信號(hào)分析的定量超聲技術(shù)[13-15]，可兼容傳統(tǒng)超聲成像架構(gòu)，能作為B 超的補(bǔ)充成像方式。其中，基于瑞利分布和Nakagami 分布的超聲背散射統(tǒng)計(jì)參數(shù)成像技術(shù)已被商業(yè)化，并已通過(guò)美國(guó)食品藥品監(jiān)督管理局認(rèn)證[16]。Nakagami 分布和零差K 分布是最受關(guān)注的包絡(luò)統(tǒng)計(jì)廣義模型，其參數(shù)具有物理意義[15-17]，對(duì)其參數(shù)進(jìn)行成像，分別稱(chēng)為超聲Nakagami 成像和超聲零差K 成像。2021 年，Chuang 等[18]證實(shí)超聲Nakagami 成像在評(píng)價(jià)68 例兒童脂肪肝方面的可行性。然而，超聲零差K 成像評(píng)價(jià)兒童脂肪肝的可行性尚未見(jiàn)相關(guān)報(bào)道。

零差K 分布被認(rèn)為是參數(shù)最具物理意義的超聲背散射統(tǒng)計(jì)模型[19]，然而，由于其參數(shù)估算較為復(fù)雜，一定程度上限制了其應(yīng)用。2021 年，Zhou 等[20]設(shè)計(jì)了基于人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）的零差K 分布參數(shù)估算方法，ANN 法在保證準(zhǔn)確性的同時(shí)大幅提高了估算速度。然而，ANN 法超聲零差K 成像仍需要大量的計(jì)算時(shí)間，且ANN 法還存在不夠靈活的問(wèn)題。基于此，本研究旨在改進(jìn)ANN 法，并將并行計(jì)算引入超聲背散射統(tǒng)計(jì)參數(shù)成像，同時(shí)利用基于并行計(jì)算和ANN 的超聲零差K 成像對(duì)兒童脂肪肝進(jìn)行評(píng)價(jià)，以及與基于并行計(jì)算的超聲Nakagami 成像進(jìn)行對(duì)比，以期為評(píng)價(jià)兒童脂肪肝提供新的研究思路。

1 理論基礎(chǔ)

1.1 Nakagami分布模型

對(duì)于背散射包絡(luò)信號(hào)幅度A（A ≥0），Nakagami 分布模型的概率密度函數(shù)fNAK(A)的定義如公式（1）所示[21]。

式中，m為Nakagami 形狀參數(shù)；Ω 為Nakagami尺度參數(shù)；Γ(.)為伽馬函數(shù)。雖然Nakagami 分布是具有兩個(gè)參數(shù)即m、Ω 的背散射統(tǒng)計(jì)模型，但通常使用參數(shù)m對(duì)生物組織進(jìn)行定征，m的取值范圍一般為（0，2]，其中m=1 對(duì)應(yīng)瑞利分布；m∈（0，1）對(duì)應(yīng)前瑞利分布；m∈（1，2]對(duì)應(yīng)后瑞利分布。

1.2 零差K分布模型

零差K 分布模型的概率密度函數(shù)fHK(A)沒(méi)有閉合形式，一般表示為公式（2）的積分形式[19]。

式中，α為散射子聚集參數(shù)，α與超聲分辨單元內(nèi)的有效散射子個(gè)數(shù)有關(guān)；ε2和2σ2α分別為相干散射信號(hào)的能量和彌漫散射信號(hào)的能量；x為積分變量；B0(.)為零階第一類(lèi)貝塞爾函數(shù)。定義參數(shù)k為相干散射信號(hào)幅度與彌漫散射信號(hào)幅度的比值，見(jiàn)公式（3）。

雖然零差K 分布是具有3 個(gè)參數(shù)（α、ε、σ）的背散射統(tǒng)計(jì)模型，通常使用2 個(gè)參數(shù)（k和α）對(duì)生物組織進(jìn)行定征。

2 方法

2.1 超聲背散射統(tǒng)計(jì)參數(shù)估算方法

從超聲背散射信號(hào)中估算背散射統(tǒng)計(jì)參數(shù)是一個(gè)逆問(wèn)題。Nakagami 分布m參數(shù)的估算方法主要有矩估計(jì)（Moment-Based Estimation，MBE）法和最大似然估計(jì)（Maximum Likelihood Estimation，MLE） 法[15]。MBE法的算法復(fù)雜度較低，但MLE 法的標(biāo)準(zhǔn)差更小[22]，因此本研究采用MLE 法估算Nakagami 分布m參數(shù)。

2021 年，Zhou 等[20]將ANN 引入零差K 分布k和log10(α)參數(shù)的估算，ANN 法[20]的速度比傳統(tǒng)RSK 法[23]和XU 法[24]快了10 倍左右，而估算精度相當(dāng)。ANN 法沿用了RSK 法的信噪比（R）、偏度（S）、峰度（K）和XU 法的X統(tǒng)計(jì)量、U統(tǒng)計(jì)量等特征值[24]，利用蒙特卡洛仿真產(chǎn)生各種k和log10(α)取值下的背散射包絡(luò)信號(hào)樣本，從中計(jì)算出R、S、K、X、U等特征值，用于訓(xùn)練前饋反向傳播ANN 模型。但這種方式存在要根據(jù)待估算的實(shí)測(cè)背散射包絡(luò)信號(hào)單個(gè)樣本的長(zhǎng)度，產(chǎn)生相同長(zhǎng)度的仿真包絡(luò)信號(hào)樣本，再訓(xùn)練相對(duì)應(yīng)的ANN 模型的不足，即ANN 要求根據(jù)實(shí)測(cè)信號(hào)的長(zhǎng)度來(lái)訓(xùn)練相應(yīng)的估算模型，一定程度上限制了其靈活性。基于此，本研究進(jìn)行了相關(guān)改進(jìn)，根據(jù)公式（2）推算出各種k和log10(α)取值下的R、S、K、X、U的理論值，再將它們輸入ANN 訓(xùn)練出估算模型。改進(jìn)后的ANN 法只需要訓(xùn)練出一個(gè)模型，就可以應(yīng)對(duì)各種不同的實(shí)測(cè)信號(hào)長(zhǎng)度。

R、S、K、X、U的理論值R tv、S tv、K tv、X t、U t分別定義如公式（4）～（8）所示[23-24]。

式中，上標(biāo)t表示理論值；v為正數(shù)；β=k2α/2；pFq(a1,...,ap;b1,...,bq;c)表示超幾何函數(shù)；γE為歐拉常數(shù)；Γ(.)表示伽馬函數(shù)；Ψ(.)表示雙伽馬函數(shù)；Kp(.)為第二類(lèi)p階修正貝塞爾函數(shù)。函數(shù)J(.)定義如公式（9）所示。

Hruska 等[23]研究表明，v的最優(yōu)值為0.72 和0.88，因此本研究采用8 個(gè)理論值作為特征向量Ft輸入神經(jīng)網(wǎng)絡(luò)訓(xùn)練ANN 模型，即Ft={Rt0.72,S t0.72,K t0.72,R t0.88,S t0.88,K t0.88,X t,U t}。本文神經(jīng)網(wǎng)絡(luò)模型為4 層前饋神經(jīng)網(wǎng)絡(luò)，包括1 個(gè)輸入層、2 個(gè)隱含層和1 個(gè)輸出層，各層的神經(jīng)元個(gè)數(shù)分別為8、30、10、2。訓(xùn)練集為k和log10(α)不同組合下的Ft值，其中k∈{0.00,0.01,…,2.00}，log10(α) ∈{-1.00,-0.99,…,2.00}，因此訓(xùn)練集的大小為301×201=60501。采用MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱實(shí)現(xiàn)ANN 估算法，學(xué)習(xí)率設(shè)置為0.01，訓(xùn)練輪數(shù)設(shè)為1000；實(shí)際訓(xùn)練時(shí)，MATLAB 的早停機(jī)制可有效防止過(guò)擬合[20]，故實(shí)際訓(xùn)練輪數(shù)遠(yuǎn)小于1000。根據(jù)理論值Ft，訓(xùn)練得到1 個(gè)ANNt模型。

為驗(yàn)證ANNt模型對(duì)不同長(zhǎng)度信號(hào)的估算精度，采用蒙特卡洛仿真產(chǎn)生3 組測(cè)試集[20]。每組測(cè)試集的信號(hào)長(zhǎng)度NS分別為NS∈{1944,3432,5191}，分別對(duì)應(yīng)換能器脈沖長(zhǎng)度的3～5 倍。每組測(cè)試集分別包含651 個(gè)信號(hào)，分別對(duì)應(yīng)k∈{0.0,0.1,…,2.0}和log10(α) ∈{-1.0,-0.9,…,2.0}的不同取值組合；每個(gè)組合下，重復(fù)100 次實(shí)驗(yàn)，以評(píng)估估計(jì)值與實(shí)際值θ之間的相對(duì)均方根誤差（Relative Root Mean Squared Error，RRMSE），具體如公式（10）所示。

式中，E[.]為統(tǒng)計(jì)平均。

2.2 傳統(tǒng)超聲背散射統(tǒng)計(jì)參數(shù)成像方法

超聲背散射統(tǒng)計(jì)參數(shù)成像方法的流程圖如圖1 所示，對(duì)原始超聲背散射信號(hào)進(jìn)行包絡(luò)檢測(cè)，得到包絡(luò)信號(hào)，此過(guò)程采用了希爾伯特變換。對(duì)包絡(luò)信號(hào)進(jìn)行對(duì)數(shù)壓縮和掃描變換，即得到了B 超。在未壓縮的包絡(luò)信號(hào)上，采用一定尺寸的滑動(dòng)窗口在側(cè)向和軸向上依次滑動(dòng)，估算每個(gè)窗口內(nèi)的超聲背散射統(tǒng)計(jì)參數(shù)的局部值，形成一個(gè)背散射統(tǒng)計(jì)參數(shù)估算值構(gòu)成的矩陣，對(duì)這個(gè)估算值矩陣進(jìn)行掃描變換和顏色映射，就實(shí)現(xiàn)了超聲背散射統(tǒng)計(jì)參數(shù)成像。在側(cè)向和軸向上，兩個(gè)相鄰窗口之間的重疊部分定義為窗口重疊率。窗口尺寸越小、窗口重疊率越大，則背散射統(tǒng)計(jì)參數(shù)估算值矩陣的尺寸越大，對(duì)應(yīng)超聲背散射統(tǒng)計(jì)參數(shù)成像的分辨率越高，但運(yùn)算量也相應(yīng)增加。窗口尺寸過(guò)小時(shí)，由于窗口內(nèi)的信號(hào)樣本數(shù)過(guò)少，會(huì)影響估算精度[25]。本研究采用窗口尺寸為換能器脈沖長(zhǎng)度的3倍。

圖1 超聲背散射統(tǒng)計(jì)參數(shù)成像流程圖

圖2 超聲包絡(luò)信號(hào)局部背散射統(tǒng)計(jì)參數(shù)估算

2.3 基于并行計(jì)算的超聲背散射統(tǒng)計(jì)參數(shù)成像方法

傳統(tǒng)滑動(dòng)窗口法需要在側(cè)向和軸向上依次滑動(dòng)，因此一般要用兩層for 循環(huán)實(shí)現(xiàn)，算法運(yùn)算量較大，為兼顧成像分辨率和計(jì)算速度，一般采用50%×50%（軸向×側(cè)向）的窗口重疊率[26]?；诖耍狙芯繉⒉⑿杏?jì)算的思路引入超聲背散射統(tǒng)計(jì)參數(shù)成像，首先將超聲包絡(luò)信號(hào)自動(dòng)劃分為若干個(gè)子區(qū)塊或子窗口，然后利用多核中央處理器（Central Processing Unit，CPU），以并行計(jì)算的方式實(shí)現(xiàn)各子窗口內(nèi)背散射統(tǒng)計(jì)參數(shù)的估算，并行計(jì)算法不使用兩層for 循環(huán)，較傳統(tǒng)滑動(dòng)窗口法縮短了運(yùn)算時(shí)間。因此，本研究采用并行計(jì)算法，超聲背散射統(tǒng)計(jì)參數(shù)成像的窗口重疊率設(shè)置為90%×90%（軸向×側(cè)向），見(jiàn)圖1～2。

2.4 臨床資料與采集方法

采集131 例兒童脂肪肝患者的臨床數(shù)據(jù)，所有患兒家屬均對(duì)本研究知情并自愿簽署知情同意書(shū)，其中男性83 例、女性48 例，年齡3～17 歲，平均年齡（11.60±4.21）歲，每例兒童采集3 處不同位置的肝臟超聲背散射信號(hào)（每處作為1 例兒童的脂肪肝超聲背散射信號(hào)）。超聲掃描儀為T(mén)erason T3000[中儀康輝（北京）國(guó)際貿(mào)易有限公司]，凸陣超聲探頭中心頻率3.5 MHz，采樣頻率12 MHz，換能器脈沖長(zhǎng)度約為2.3 mm，成像深度8 cm，焦點(diǎn)位置4 cm。記錄了每例兒童的年齡、性別、體重、身高、體質(zhì)指數(shù)（Body Mass Index，BMI）、糖尿病狀況（是或否）。兒童隔夜禁食8 h 后，抽取其靜脈血，進(jìn)行天冬氨酸氨基轉(zhuǎn)移酶（Aspartate Aminotransferase，AST）和丙氨酸氨基轉(zhuǎn)移酶（Alanine Aminotransferase，ALT）的測(cè)量。因?qū)贾靖蔚膬和M(jìn)行肝穿刺活檢作為參考標(biāo)準(zhǔn)傷害較大，本研究采用肝脂肪變指數(shù)（Hepatic Steatosis Index，HSI）[27]作為評(píng)價(jià)兒童脂肪肝的參考標(biāo)準(zhǔn)，計(jì)算方式如公式（11）所示。根據(jù)HSI 值將脂肪肝劃分為4 個(gè)等級(jí)[28]：正常G0，HSI＜30；輕度G1，30 ≤HSI＜36；中度G2，36 ≤HSI＜41.6；重度G3，HSI ≥41.6。根據(jù)B 超，由臨床專(zhuān)家手工圈選肝實(shí)質(zhì)感興趣區(qū)域（Region of Interest，ROI）。

式中，若為女性或患糖尿病，則HSI 加2。

2.5 基于超聲背散射統(tǒng)計(jì)參數(shù)成像的兒童脂肪肝評(píng)價(jià)方法

對(duì)于每例兒童超聲背散射信號(hào)，首先，利用希爾伯特變換求取包絡(luò)信號(hào)；其次，利用訓(xùn)練好的ANNt模型估算超聲背散射統(tǒng)計(jì)參數(shù)，結(jié)合并行計(jì)算法進(jìn)行超聲背散射統(tǒng)計(jì)參數(shù)成像；再次，計(jì)算ROI 內(nèi)超聲背散射統(tǒng)計(jì)參數(shù)的平均值，作為每例兒童脂肪肝的背散射統(tǒng)計(jì)參數(shù)值；最后，對(duì)背散射統(tǒng)計(jì)參數(shù)值進(jìn)行統(tǒng)計(jì)分析，評(píng)估背散射統(tǒng)計(jì)參數(shù)成像在兒童脂肪肝分類(lèi)方面的性能。

2.6 超聲背散射統(tǒng)計(jì)參數(shù)成像評(píng)價(jià)兒童脂肪肝的性能指標(biāo)

將兒童脂肪肝評(píng)價(jià)分為3 種二分類(lèi)：G0vs.G1～G3、G0～G1vs.G2～G3、G0～G2vs.G3，進(jìn)行受試者工作特征（Receiver Operating Characteristic，ROC）曲線(xiàn)分析，計(jì)算ROC 曲線(xiàn)下面積（Area Under Curve，AUC）及95%置信區(qū)間（Confidence Interval，CI）值、敏感度、特異性、準(zhǔn)確度，作為超聲背散射統(tǒng)計(jì)參數(shù)成像評(píng)價(jià)兒童脂肪肝的性能指標(biāo)。比較滑動(dòng)窗口法與并行計(jì)算法超聲背散射統(tǒng)計(jì)參數(shù)成像的平均運(yùn)行時(shí)間。測(cè)試環(huán)境為MATLAB?（version 2020a），個(gè)人電腦配置為Intel?Xeon?W-2223 CPU@3.60 GHz 3.60 GHz；32.0 GB RAM；Windows 10×64。

2.7 統(tǒng)計(jì)學(xué)分析

超聲背散射統(tǒng)計(jì)參數(shù)成像與兒童脂肪肝等級(jí)采用箱線(xiàn)圖，使用t檢驗(yàn)進(jìn)行顯著性檢驗(yàn)，以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

3 結(jié)果

3.1 蒙特卡洛仿真測(cè)試集中的RRMSE比較

本研究共得到393 例兒童脂肪肝超聲背散射信號(hào)，其中正常G0共165例，輕度G1共33例，中度G2共78例，重度G3 共117 例。

ANNt模型在蒙特卡洛仿真測(cè)試集中的RRMSE 如表1 所示，ANNt模型的估算精度與傳統(tǒng)ANN 模型[20]較為接近，整體上略低于傳統(tǒng)ANN 模型[20]，反映了ANNt模型的有效性。值得注意的是，本文ANNt僅需訓(xùn)練1 個(gè)模型，而傳統(tǒng)ANN[20]需要根據(jù)NS的實(shí)際大小分別訓(xùn)練不同的模型。

表1 ANNt模型在蒙特卡洛仿真測(cè)試集中的RRMSE

3.2 超聲背散射統(tǒng)計(jì)參數(shù)成像的平均運(yùn)行時(shí)間比較

并行計(jì)算法自動(dòng)將超聲包絡(luò)信號(hào)劃分為13312 個(gè)窗口，從表2 可知，在電腦配置一般的情況下，并行計(jì)算法的超聲Nakagami 成像和超聲零差K 成像的平均運(yùn)行時(shí)間均比滑動(dòng)窗口法明顯縮短，即并行計(jì)算法的運(yùn)算速度是滑動(dòng)窗口法的3 倍。

表2 滑動(dòng)窗口法與并行計(jì)算法超聲背散射統(tǒng)計(jì)參數(shù)成像的平均運(yùn)行時(shí)間（s）

3.3 各等級(jí)兒童脂肪肝的B超和超聲背散射統(tǒng)計(jì)參數(shù)成像

不同等級(jí)兒童脂肪肝的B 超和超聲背散射統(tǒng)計(jì)參數(shù)成像如圖3 所示，第1～4 列分別對(duì)應(yīng)G0～G3，第1～4 行分別對(duì)應(yīng)B 超、Nakagami 成像、零差K-k成像、零差K-log10(α)成像。B 超難以定量反映兒童脂肪肝的嚴(yán)重程度。整體上，超聲背散射統(tǒng)計(jì)參數(shù)成像能夠直觀且定量反映兒童脂肪肝的嚴(yán)重程度，背散射統(tǒng)計(jì)參數(shù)圖像整體亮度隨著脂肪肝等級(jí)的上升而增大，且背散射統(tǒng)計(jì)參數(shù)圖像中的像素值具有特定的物理意義。

圖3 各等級(jí)兒童脂肪肝的B超和超聲背散射統(tǒng)計(jì)參數(shù)成像

超聲背散射統(tǒng)計(jì)參數(shù)成像與兒童脂肪肝等級(jí)的箱線(xiàn)圖如圖4 所示，隨著兒童脂肪肝等級(jí)從G0 增加到G1，Nakagami 成像m參數(shù)、零差K 成像k參數(shù)、零差K 成像log10(α)參數(shù)整體上呈明顯上升的趨勢(shì)，說(shuō)明超聲背散射統(tǒng)計(jì)參數(shù)成像對(duì)早期兒童脂肪肝的檢測(cè)尤其敏感。當(dāng)兒童脂肪肝等級(jí)從G1 增加到G3，Nakagami 成像m參數(shù)和零差K 成像log10(α)參數(shù)整體上數(shù)值有一定上升，但零差K 成像k參數(shù)在G2 略微下降。

圖4 超聲背散射統(tǒng)計(jì)參數(shù)成像與兒童脂肪肝等級(jí)的箱線(xiàn)圖。

3.4 超聲背散射統(tǒng)計(jì)參數(shù)成像評(píng)價(jià)各等級(jí)兒童脂肪肝的ROC曲線(xiàn)

超聲背散射統(tǒng)計(jì)參數(shù)成像評(píng)價(jià)各等級(jí)兒童脂肪肝的ROC 曲線(xiàn)如圖5 所示，包括3 種二分類(lèi)，相關(guān)性能指標(biāo)如表3～5 所示，在檢測(cè)早期兒童脂肪肝即G0vs.G1～G3分類(lèi)方面，Nakagami 成像m參數(shù)和零差K 成像log10(α)參數(shù)的AUC 最高，達(dá)0.93；零差K 成像log10(α) 參數(shù)的敏感度、特異性、準(zhǔn)確度最高，分別達(dá)90.91%、92.98%、92.11%。在G0～G1vs.G2～G3 分類(lèi)方面，零差K 成像log10(α)參數(shù)的AUC、特異性和準(zhǔn)確度最高，分別為0.90、92.82% 和87.02%；Nakagami 成像m參數(shù)的敏感度最高，為81.82%。在G0～G2vs.G3 分類(lèi)方面，零差K 成像log10(α)參數(shù)的AUC、特異性和準(zhǔn)確度最高，分別為0.83、86.32%和74.05%；Nakagami 成像m參數(shù)的敏感度最高，為71.01%。對(duì)于3 種二分類(lèi)，零差K成像log10(α)參數(shù)的AUC、特異性和準(zhǔn)確度均最高。在評(píng)價(jià)各等級(jí)兒童脂肪肝上，零差K 成像log10(α)參數(shù)總體上優(yōu)于Nakagami 成像m參數(shù)和零差K 成像k參數(shù)。

表3 超聲Nakagami成像m參數(shù)評(píng)價(jià)兒童脂肪肝的性能

表4 超聲零差K成像k參數(shù)評(píng)價(jià)兒童脂肪肝的性能

表5 超聲零差K成像log10(α)參數(shù)評(píng)價(jià)兒童脂肪肝的性能

圖5 超聲背散射統(tǒng)計(jì)參數(shù)成像評(píng)價(jià)各等級(jí)兒童脂肪肝的ROC曲線(xiàn)。

4 討論

超聲背散射統(tǒng)計(jì)參數(shù)成像是一種基于包絡(luò)統(tǒng)計(jì)的定量超聲成像技術(shù)，可作為傳統(tǒng)B 超的重要補(bǔ)充[29]。超聲背散射N(xiāo)akagami 分布和零差K 分布是最受研究人員關(guān)注的廣義統(tǒng)計(jì)模型，而其中零差K 分布的參數(shù)被認(rèn)為是最具物理意義的[30]。本研究改進(jìn)了傳統(tǒng)基于滑動(dòng)窗口的超聲背散射統(tǒng)計(jì)參數(shù)成像方法，將并行計(jì)算引入超聲背散射統(tǒng)計(jì)參數(shù)成像，提高了成像速度；在普通電腦配置下，對(duì)于超聲Nakagami 成像和零差K 成像，并行計(jì)算法的速度約是滑動(dòng)窗口法的3 倍。此外，改進(jìn)了基于ANN 的超聲零差K 分布參數(shù)估算方法，傳統(tǒng)ANN 法使用蒙特卡洛仿真產(chǎn)生訓(xùn)練信號(hào)樣本，計(jì)算特征值，訓(xùn)練估算模型，需要根據(jù)實(shí)測(cè)信號(hào)長(zhǎng)度，訓(xùn)練不同的估算模型；本研究采用特征值的理論值進(jìn)行訓(xùn)練，僅需1 個(gè)估算模型。

本研究將改進(jìn)后的超聲背散射統(tǒng)計(jì)參數(shù)成像應(yīng)用于兒童脂肪肝的評(píng)價(jià)，分析超聲Nakagami 成像m參數(shù)、超聲零差K 成像k參數(shù)和log10(α)參數(shù)診斷不同等級(jí)兒童脂肪肝的性能，結(jié)果表明，在G0vs.G1～G3、G0～G1vs.G2～G3、G0～G2vs.G 3 分類(lèi)方面，超聲零差K 成像log10(α)參數(shù)均獲得最高的AUC、特異性和準(zhǔn)確度?？傮w上，超聲背散射統(tǒng)計(jì)參數(shù)成像在檢測(cè)早期兒童脂肪肝方面具有最佳的表現(xiàn)。

聲學(xué)上，正常的兒童肝實(shí)質(zhì)可建模為一系列相干散射子和彌漫散射子的組合，相干散射子可能是肝小葉或門(mén)脈三合體，彌漫散射子可能是肝細(xì)胞核[12]。此外，由于肝實(shí)質(zhì)內(nèi)分布著大量的微細(xì)血管，血管內(nèi)的紅細(xì)胞等是弱散射子，因此，本研究中對(duì)于正常兒童肝實(shí)質(zhì)即G0，超聲分辨單元內(nèi)的有效散射子個(gè)數(shù)即α參數(shù)的值小于10，對(duì)應(yīng)log10(α)參數(shù)＜1；相應(yīng)地，超聲背散射包絡(luò)統(tǒng)計(jì)服從前瑞利分布即m＜1。隨著兒童脂肪肝等級(jí)的增加，肝實(shí)質(zhì)內(nèi)增加的脂肪滴成為額外的彌漫散射子，因此超聲分辨單元內(nèi)的散射子數(shù)量逐漸增多，log10(α)參數(shù)和m參數(shù)的值也隨之增加，包絡(luò)統(tǒng)計(jì)逐漸接近瑞利分布即m=1。此外，脂肪滴數(shù)量的增加，可能會(huì)產(chǎn)生局部聚集等現(xiàn)象，形成了額外的相干散射子，導(dǎo)致k參數(shù)的值產(chǎn)生變化，但k參數(shù)的值不是隨著脂肪肝等級(jí)的增加而單調(diào)增加的，針對(duì)超聲零差K 成像評(píng)價(jià)兒童脂肪肝而言，log10(α)參數(shù)優(yōu)于k參數(shù)。值得注意的是，本研究設(shè)計(jì)的并行計(jì)算法，不僅可用于超聲Nakagami 成像和零差K成像，同樣可應(yīng)用于加速其他的定量超聲成像算法，如超聲信息熵成像、衰減成像、背散射積分成像等。

但本研究仍存在以下局限性：首先，兒童脂肪肝等級(jí)的參考標(biāo)準(zhǔn)采用了HSI，而不是臨床上的“金標(biāo)準(zhǔn)”即肝活檢；其次，超聲背散射統(tǒng)計(jì)參數(shù)成像在G0～G2vs.G3 分類(lèi)即重度脂肪肝檢測(cè)方面的性能還需提高。

5 結(jié)論

本研究設(shè)計(jì)了基于并行計(jì)算的超聲背散射統(tǒng)計(jì)參數(shù)成像方法，提高了成像速度，通過(guò)改進(jìn)了超聲零差K 分布參數(shù)估算的ANN 法，采用特征值的理論值進(jìn)行估算模型訓(xùn)練，更具適用性。將改進(jìn)后的超聲背散射統(tǒng)計(jì)參數(shù)成像應(yīng)用于兒童脂肪肝的評(píng)價(jià)，相比超聲Nakagami成像m參數(shù)和超聲零差K 成像k參數(shù)，超聲零差K 成像log10(α)參數(shù)均獲得最高的AUC、特異性和準(zhǔn)確度。超聲背散射統(tǒng)計(jì)參數(shù)成像可用于兒童脂肪肝的定量評(píng)價(jià)，特別是早期檢測(cè)。