超声背散射统计参数成像评价儿童脂肪肝的新方法.pdf

研究论著RESEARCH WORK17中国医疗设备 2023年第38卷 09期 VOL.38 No.09引言近年来，脂肪肝在儿童中尤其是肥胖儿童中的发病率越来越高，相关调查数据显示，肥胖儿童中脂肪肝检出率高达 53.72%1。儿童脂肪肝是未成年人慢性肝病最超声背散射统计参数成像评价儿童脂肪肝的新方法党英楠1，高瑞阳1，宾光宇1，吴水才1，崔博翔2，周著黄11.北京工业大学 环境与生命学部 智能化生理测量与临床转化北京市国际科研合作基地，北京 100124；2.台湾长庚大学 医学院，台湾 桃园 333323摘 要 目的 超声零差K分布是最具物理意义的背散射包络统计模型，探讨超声零差K成像评价儿童脂肪肝的可行性。方法 改进基于神经网络的零差K分布参数估算方法，采用特征值的理论值训练估算模型，将并行计算引入背散射统计参数成像。利用中心频率3.5 MHz的探头采集儿童的背散射信号，将改进后的背散射统计参数成像应用于儿童脂肪肝的评价，分析Nakagami成像m参数、零差K成像k参数和log10()参数诊断儿童脂肪肝的性能，包括3种二分类（G0 vs.G1G3、G0G1 vs.G2G3、G0G2 vs.G3）。结果 共得到393例儿童脂肪肝超声背散射信号，其中正常G0共165例，轻度G1共33例，中度G2共78例，重度G3共117例。并行计算法的超声Nakagami成像和超声零差K成像的平均运行时间均比滑动窗口法明显缩短，并行计算法的运算速度约是滑动窗口法的3倍。log10()参数在3种二分类中，均获得了最高的曲线下面积、特异性和准确度。结论 本研究设计基于并行计算的超声背散射统计参数成像方法，可提高成像速度，超声背散射统计参数成像能用于儿童脂肪肝的定量评价，特别是早期检测，研究结果可为儿童脂肪肝的定量超声评价提供新思路和新方法。关键词 超声背散射；超声零差K分布；儿童脂肪肝；包络统计模型；并行计算法New Method for Evaluating Fatty Liver in Children by Ultrasound Backscattering Statistical Parameter ImagingDANG Yingnan1,GAO Ruiyang1,BIN Guangyu1,WU Shuicai1,CUI Boxiang2,ZHOU Zhuhuang11.Beijing International Science and Technology Cooperation Base for Intelligent Physiological Measurement and Clinical Transformation,Faculty of Environment and Life,Beijing University of Technology,Beijing 100124,China;2.College of Medicine,Chang Gung University,Taoyuan Taiwan 333323,ChinaAbstract:Objective Ultrasonic homodyne K distribution is a statistical model of backscattering envelope with the most physical parameters.To explore the feasibility of ultrasonic homodyne K imaging in evaluating childrens fatty liver.Methods An improved method of homodyne K distribution parameter estimation based on neural network was proposed to train the estimation model with eigenvalue,and parallel computation was introduced into backscattering statistical parameter imaging.The backscattering signals of children were collected with a 3.5 MHz probe.The improved backscattering statistical parameter imaging was applied to the evaluation of fatty liver in children,and performance of the Nakagami imaging m parameter and the homodyne K imaging k parameter and log10()parameter in diagnosing childrens fatty liver was analyzed.Three classifications were performed:G0 vs.G1-G3,G0-G1 vs.G2-G3,G0G2 vs.G3.Results A total of 393 cases of fatty liver ultrasound backscattering signals were obtained,of which 165 cases were normal G0,33 cases were mild G1,78 cases were moderate G2 and 117 cases were severe G3.The average running time of the parallel computing method for ultrasonic Nakagami imaging and ultrasonic homodyne K imaging was significantly shorter than that of the sliding window method,and the computing speed of the parallel computing method was about 3 times that of the sliding window method.The parameters of log10()obtained the highest area under the curve,specificity,and accuracy in all three binary classifications.Conclusion In this study,an ultrasound backscattering statistical parameter imaging method based on parallel computing is designed to improve the imaging speed.Ultrasound backscattering statistical parameter imaging can be used for quantitative evaluation of childrens fatty liver,especially for early detection,and the research results can provide a new idea and a new method for quantitative ultrasound evaluation of childrens fatty liver.Key words:ultrasound backscatter;ultrasound homodyne K distribution;childrens fatty liver;envelope statistical model;parallel computing method中图分类号 R197.39；TP391 文献标识码 Adoi：10.3969/j.issn.1674-1633.2023.09.002 文章编号 1674-1633(2023)09-0017-08研究论著RESEARCH WORK18中国医疗设备 2023年第38卷 09期 VOL.38 No.09常见的病因之一，因其独特的组织病理学和临床特征导致该类疾病不仅易进展为脂肪性肝炎、肝纤维化、肝硬化乃至肝癌，而且相对于成人脂肪肝，更易导致其他重大相关性疾病的发生，增加病死率2。因此，儿童脂肪肝的早期诊断与健康管理具有重要意义。肝活检是诊断脂肪肝的“金标准”，但该方法具有侵入性，且存在取样误差等不足，不适合作为儿童脂肪肝的筛查与跟踪监测的方式。因此，非侵入性的影像学方法受到临床的广泛关注。考虑儿童族群的特殊性，磁共振成像与 CT 并非舒适的检查工具，而超声成像具有易操作、低成本、高安全性等特点，已是公认儿童肝脏脂肪变性理想的筛查工具3。但以临床常用的 B 模式超声（B 超）来做脂肪肝诊断，虽然快速简便，但主观性较高，判读结果易受到临床医师的诊断经验影响。超声脂肪肝定量辅助诊断技术中，最具代表性的是法国 Echosens 公司生产的 FibroScan 系统，该系统初期应用于肝纤维化评估4。之后 FibroScan 发展出受控衰减参数（Controlled Attenuation Parameter，CAP）来评估肝脏脂肪变性程度，肝脏脂肪变性会强化组织对声波能量的吸收效应，使得超声信号衰减程度增加、CAP 数值上升5。近年来，有研究者开始探讨 CAP 定量儿童脂肪肝严重程度的临床性能6-9。虽然其有效性已被证实，但有研究认为，皮下脂肪组织过厚以及测量过程中儿童的骚动问题，是造成 CAP 在儿童族群中测量失败的主要原因6。另一方面，FibroScan 采取右肋间作为检查声窗进行定点测量，并没有提供影像扫描或引导功能，由于儿童的肋骨间距相对较窄，因此正确定位测量位置的难度较高。超声背散射信号蕴含组织微结构信息10-12，超声背散射统计参数成像是一种基于背散射信号分析的定量超声技术13-15，可兼容传统超声成像架构，能作为 B 超的补充成像方式。其中，基于瑞利分布和 Nakagami 分布的超声背散射统计参数成像技术已被商业化，并已通过美国食品药品监督管理局认证16。Nakagami 分布和零差 K 分布是最受关注的包络统计广义模型，其参数具有物理意义15-17，对其参数进行成像，分别称为超声Nakagami成像和超声零差K成像。2021年，Chuang等18证实超声 Nakagami 成像在评价 68 例儿童脂肪肝方面的可行性。然而，超声零差 K 成像评价儿童脂肪肝的可行性尚未见相关报道。零差 K 分布被认为是参数最具物理意义的超声背散射统计模型19，然而，由于其参数估算较为复杂，一定程度上限制了其应用。2021 年，Zhou 等20设计了基于人工神经网络（Artificial Neural Network，ANN）的零差 K 分布参数估算方法，ANN 法在保证准确性的同时大幅提高了估算速度。然而，ANN 法超声零差 K 成像仍需要大量的计算时间，且 ANN 法还存在不够灵活的问题。基于此，本研究旨在改进 ANN 法，并将并行计算引入超声背散射统计参数成像，同时利用基于并行计算和 ANN 的超声零差 K 成像对儿童脂肪肝进行评价，以及与基于并行计算的超声 Nakagami 成像进行对比，以期为评价儿童脂肪肝提供新的研究思路。1 理论基础1.1 Nakagami分布模型对于背散射包络信号幅度 A（A 0），Nakagami 分布模型的概率密度函数 fNAK(A)的定义如公式（1）所示21。（1）式 中，m 为 Nakagami 形 状 参 数；为 Nakagami尺度参数；(.)为伽马函数。虽然 Nakagami 分布是具有两个参数即 m、的背散射统计模型，但通常使用参数 m 对生物组织进行定征，m 的取值范围一般为（0，2，其中 m=1 对应瑞利分布；m（0，1）对应前瑞利分布；m（1，2 对应后瑞利分布。1.2 零差K分布模型零差 K 分布模型的概率密度函数 fHK(A)没有闭合形式，一般表示为公式（2）的积分形式19。（2）式中，为散射子聚集参数，与超声分辨单元内的有效散射子个数有关；2和 22 分别为相干散射信号的能量和弥漫散射信号的能量；x 为积分变量；B0(.)为零阶第一类贝塞尔函数。定义参数 k 为相干散射信号幅度与弥漫散射信号幅度的比值，见公式（3）。（3）虽然零差 K 分布是具有 3 个参数（、）的背散射统计模型，通常使用 2 个参数（k 和）对生物组织进行定征。2 方法2.1 超声背散射统计参数估算方法从超声背散射信号中估算背散射统计参数是一个逆问题。Nakagami 分布 m 参数的估算方法主要有矩估计（Moment-Based Estimation，MBE）法和最大似然估计（Maximum Likelihood Estimation，MLE）法15。MBE收稿日期：2023-03-06基金项目：北京市自然科学基金（4222001）；国家自然科学基金（11804013；61871005）。通信作者：周著黄，副研究员，主要研究方向为生物医学超声工程、医学信息工程及医学人工智能。通信作者邮箱：研究论著RESEARCH WORK19中国医疗设备 2023年第38卷 09期 VOL.38 No.09法的算法复杂度较低，但 MLE 法的标准差更小22，因此本研究采用 MLE 法估算 Nakagami 分布 m 参数。2021 年，Zhou 等20将 ANN 引入零差 K 分布 k 和log10()参数的估算，ANN 法20的速度比传统 RSK 法23和 XU 法24快了 10 倍左右，而估算精度相当。ANN 法沿用了 RSK 法的信噪比（R）、偏度（S）、峰度（K）和XU 法的 X 统计量、U 统计量等特征值24，利用蒙特卡洛仿真产生各种 k 和 log10()取值下的背散射包络信号样本，从中计算出 R、S、K、X、U 等特征值，用于训练前馈反向传播 ANN 模型。但这种方式存在要根据待估算的实测背散射包络信号单个样本的长度，产生相同长度的仿真包络信号样本，再训练相对应的 ANN 模型的不足，即 ANN 要求根据实测信号的长度来训练相应的估算模型，一定程度上限制了其灵活性。基于此，本研究进行了相关改进，根据公式（2）推算出各种 k 和log10()取值下的 R、S、K、X、U 的理论值，再将它们输入 ANN 训练出估算模型。改进后的 ANN 法只需要训练出一个模型，就可以应对各种不同的实测信号长度。R、S、K、X、U 的理论值 R tv、S tv、K tv、X t、U t分别定义如公式（4）（8）所示23-24。（4）（5）（6）（7）（8）式中，上标 t 表示理论值；v 为正数；=k2/2；pFq(a1,.,ap;b1,.,bq;c)表示超几何函数；E为欧拉常数；(.)表示伽马函数；(.)表示双伽马函数；Kp(.)为第二类p阶修正贝塞尔函数。函数J(.)定义如公式（9）所示。（9）式中，=+v2。Hruska 等23研究表明，v 的最优值为 0.72 和 0.88，因此本研究采用 8 个理论值作为特征向量 Ft输入神经网络训练 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。本文神经网络模型为 4 层前馈神经网络，包括 1 个输入层、2 个隐含层和 1 个输出层，各层的神经元个数分别为 8、30、10、2。训练集为 k 和log10()不同组合下的 Ft值，其中 k0.00,0.01,.,2.00k0.00,0.01,2.00，log10()0.00,0.01,.,2.00k-1.00,-0.99,2.00，因此训练集的大小为301201=60501。采用 MATLAB 神经网络工具箱实现 ANN 估算法，学习率设置为 0.01，训练轮数设为1000；实际训练时，MATLAB 的早停机制可有效防止过拟合20，故实际训练轮数远小于 1000。根据理论值Ft，训练得到 1 个 ANNt模型。为验证 ANNt模型对不同长度信号的估算精度，采用蒙特卡洛仿真产生 3 组测试集20。每组测试集的信号长度 NS分别为 NS 1944,3432,5191，分别对应换能器脉冲长度的 35 倍。每组测试集分别包含 651 个信号，分别对应 k0.00,0.01,.,2.00k0.0,0.1,2.0 和 log10()0.00,0.01,.,2.00k-1.0,-0.9,2.0 的不同取值组合；每个组合下，重复 100 次实验，以评估估计值与实际值 之间的相对均方根误差（Relative Root Mean Squared Error，RRMSE），具体如公式（10）所示。（10）式中，E.为统计平均。2.2 传统超声背散射统计参数成像方法超声背散射统计参数成像方法的流程图如图 1 所示，对原始超声背散射信号进行包络检测，得到包络信号，此过程采用了希尔伯特变换。对包络信号进行对数压缩和扫描变换，即得到了 B 超。在未压缩的包络信号上，采用一定尺寸的滑动窗口在侧向和轴向上依次滑动，估算每个窗口内的超声背散射统计参数的局部值，形成一个背散射统计参数估算值构成的矩阵，对这个估算值矩阵进行扫描变换和颜色映射，就实现了超声背散射统计参数成像。在侧向和轴向上，两个相邻窗口之间的重叠部分定义为窗口重叠率。窗口尺寸越小、窗口重叠率越大，则背散射统计参数估算值矩阵的尺寸越大，对应超声背散射统计参数成像的分辨率越高，但运算量也相应增加。窗口尺寸过小时，由于窗口内的信号样本数过少，会影响估研究论著RESEARCH WORK20中国医疗设备 2023年第38卷 09期 VOL.38 No.09算精度25。本研究采用窗口尺寸为换能器脉冲长度的3倍。2.3 基于并行计算的超声背散射统计参数成像方法传统滑动窗口法需要在侧向和轴向上依次滑动，因此一般要用两层 for 循环实现，算法运算量较大，为兼顾成像分辨率和计算速度，一般采用 50%50%（轴向 侧向）的窗口重叠率26。基于此，本研究将并行计算的思路引入超声背散射统计参数成像，首先将超声包络信号自动划分为若干个子区块或子窗口，然后利用多核中央处理器（Central Processing Unit，CPU），以并行计算的方式实现各子窗口内背散射统计参数的估算，并行计算法不使用两层 for 循环，较传统滑动窗口法缩短了运算时间。因此，本研究采用并行计算法，超声背散射统计参数成像的窗口重叠率设置为 90%90%（轴向 侧向），见图 12。2.4 临床资料与采集方法采集 131 例儿童脂肪肝患者的临床数据，所有患儿家属均对本研究知情并自愿签署知情同意书，其中男性 83 例、女性 48 例，年龄 317 岁，平均年龄（11.604.21）岁，每例儿童采集 3 处不同位置的肝脏超声背散射信号（每处作为 1 例儿童的脂肪肝超声背散射信号）。超声扫描仪为 Terason T3000 中仪康辉（北京）国际贸易有限公司，凸阵超声探头中心频率 3.5 MHz，采样频率 12 MHz，换能器脉冲长度约为 2.3 mm，成像深度8 cm，焦点位置4 cm。记录了每例儿童的年龄、性别、体重、身高、体质指数（Body Mass Index，BMI）、糖尿病状况（是或否）。儿童隔夜禁食8 h后，抽取其静脉血，进行天冬氨酸氨基转移酶（Aspartate Aminotransferase，AST）和丙氨酸氨基转移酶（Alanine Aminotransferase，ALT）的测量。因对患脂肪肝的儿童进行肝穿刺活检作为参考标准伤害较大，本研究采用肝脂肪变指数（Hepatic Steatosis Index，HSI）27作为评价儿童脂肪肝的参考标准，计算方式如公式（11）所示。根据 HSI 值将脂肪肝划分为 4 个等级28：正常 G0，HSI30；轻度 G1，30 HSI36；中 度 G2，36 HSI41.6；重 度 G3，HSI 41.6。根据 B 超，由临床专家手工圈选肝实质感兴趣区域（Region of Interest，ROI）。HSI=8（ALT/AST）+BMI （11）式中，若为女性或患糖尿病，则 HSI 加 2。2.5 基于超声背散射统计参数成像的儿童脂肪肝评价方法对于每例儿童超声背散射信号，首先，利用希尔伯特变换求取包络信号；其次，利用训练好的 ANNt模型估算超声背散射统计参数，结合并行计算法进行超声背散射统计参数成像；再次，计算 ROI 内超声背散射统计参数的平均值，作为每例儿童脂肪肝的背散射统计参数值；最后，对背散射统计参数值进行统计分析，评估背散射统计参数成像在儿童脂肪肝分类方面的性能。2.6 超声背散射统计参数成像评价儿童脂肪肝的性能指标将儿童脂肪肝评价分为 3 种二分类：G0 vs.G1G3、G0G1 vs.G2G3、G0G2 vs.G3，进行受试者工作特征（Receiver Operating Characteristic，ROC）曲线分析，计算ROC 曲线下面积（Area Under Curve，AUC）及 95%置信区间（Confidence Interval，CI）值、敏感度、特异性、准确度，作为超声背散射统计参数成像评价儿童脂肪肝的性能指标。比较滑动窗口法与并行计算法超声背散射统计参数成像的平均运行时间。测试环境为MATLAB（version 2020a），个 人 电 脑 配 置 为 Intel Xeon W-2223 CPU 3.60 GHz 3.60 GHz；32.0 GB RAM；Windows 1064。2.7 统计学分析 超声背散射统计参数成像与儿童脂肪肝等级采用箱线图，使用 t 检验进行显著性检验，以 P0.05 为差异有统计学意义。3 结果3.1 蒙特卡洛仿真测试集中的RRMSE比较本研究共得到 393 例儿童脂肪肝超声背散射信号，其中正常G0共165例，轻度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测试集中的 RRMSE 如表 1 所示，ANNt模型的估算精度与传统 ANN 模型20较为接近，整体上略低于传统 ANN 模型20，反映了ANNt模型的有效性。值得注意的是，本文 ANNt仅需图1 超声背散射统计参数成像流程图图2 超声包络信号局部背散射统计参数估算注：a.传统滑动窗口法；b.并行计算法。研究论著RESEARCH WORK21中国医疗设备 2023年第38卷 09期 VOL.38 No.09训练 1 个模型，而传统 ANN20需要根据 NS的实际大小分别训练不同的模型。表1 ANNt模型在蒙特卡洛仿真测试集中的RRMSE估算法NS=1944NS=3432NS=5191log10()klog10()klog10()k传统ANN模型200.3653 0.28760.5253 0.37230.2266 0.2337本文ANNt模型0.4338 0.32350.3920 0.30990.3712 0.3026注：NS：信号长度。3.2 超声背散射统计参数成像的平均运行时间比较并行计算法自动将超声包络信号划分为 13312 个窗口，从表 2 可知，在电脑配置一般的情况下，并行计算法的超声 Nakagami 成像和超声零差 K 成像的平均运行时间均比滑动窗口法明显缩短，即并行计算法的运算速度是滑动窗口法的 3 倍。表2 滑动窗口法与并行计算法超声背散射统计参数成像的平均运行时间（s）方法超声Nakagami成像超声零差K成像滑动窗口法52.96137.63并行计算法17.3243.523.3 各等级儿童脂肪肝的B超和超声背散射统计参数成像不同等级儿童脂肪肝的 B 超和超声背散射统计参数成像如图 3 所示，第 14 列分别对应 G0G3，第 14 行分别对应 B 超、Nakagami 成像、零差 K-k 成像、零差K-log10()成像。B 超难以定量反映儿童脂肪肝的严重程度。整体上，超声背散射统计参数成像能够直观且定量反映儿童脂肪肝的严重程度，背散射统计参数图像整体亮度随着脂肪肝等级的上升而增大，且背散射统计参数图像中的像素值具有特定的物理意义。超声背散射统计参数成像与儿童脂肪肝等级的箱线图如图 4 所示，随着儿童脂肪肝等级从 G0 增加到 G1，Nakagami 成像 m 参数、零差 K 成像 k 参数、零差 K 成像 log10()参数整体上呈明显上升的趋势，说明超声背散射统计参数成像对早期儿童脂肪肝的检测尤其敏感。当儿童脂肪肝等级从 G1 增加到 G3，Nakagami 成像 m参数和零差 K 成像 log10()参数整体上数值有一定上升，但零差 K 成像 k 参数在 G2 略微下降。3.4 超声背散射统计参数成像评价各等级儿童脂肪肝的ROC曲线超声背散射统计参数成像评价各等级儿童脂肪肝的ROC 曲线如图 5 所示，包括 3 种二分类，相关性能指标如表 35 所示，在检测早期儿童脂肪肝即 G0 vs.G1G3分类方面，Nakagami 成像 m 参数和零差 K 成像 log10()参 数 的 AUC 最 高，达 0.93；零 差 K 成 像 log10()参数的敏感度、特异性、准确度最高，分别达 90.91%、92.98%、92.11%。在 G0G1 vs.G2G3 分类方面，零差图3 各等级儿童脂肪肝的B超和超声背散射统计参数成像研究论著RESEARCH WORK22中国医疗设备 2023年第38卷 09期 VOL.38 No.09K 成像 log10()参数的 AUC、特异性和准确度最高，分别 为 0.90、92.82%和 87.02%；Nakagami 成 像 m 参 数的敏感度最高，为 81.82%。在 G0G2 vs.G3 分类方面，零差 K 成像 log10()参数的 AUC、特异性和准确度最高，分别为 0.83、86.32%和 74.05%；Nakagami 成像 m 参数的敏感度最高，为 71.01%。对于 3 种二分类，零差 K成像 log10()参数的 AUC、特异性和准确度均最高。在评价各等级儿童脂肪肝上，零差 K 成像 log10()参数总体上优于 Nakagami 成像 m 参数和零差 K 成像 k 参数。4 讨论超声背散射统计参数成像是一种基于包络统计的定量超声成像技术，可作为传统 B 超的重要补充29。超声背散射 Nakagami 分布和零差 K 分布是最受研究人员关注的广义统计模型，而其中零差 K 分布的参数被认为是最具物理意义的30。本研究改进了传统基于滑动窗口的超声背散射统计参数成像方法，将并行计算引入超声背散射统计参数成像，提高了成像速度；在普通电脑配置下，对于超声 Nakagami 成像和零差 K 成像，并行计算法的速度约是滑动窗口法的 3 倍。此外，改进了基于ANN 的超声零差 K 分布参数估算方法，传统 ANN 法使用蒙特卡洛仿真产生训练信号样本，计算特征值，训练估算模型，需要根据实测信号长度，训练不同的估算模型；本研究采用特征值的理论值进行训练，仅需 1 个估算模型。表3 超声Nakagami成像m参数评价儿童脂肪肝的性能脂肪肝分类AUC敏感度/%特异性/%准确度/%G0 vs.G1G30.93（95%CI：0.900.96）90.3091.2390.84G0G1 vs.G2G30.88（95%CI：0.840.91）81.8287.1884.48G0G2 vs.G30.80（95%CI：0.760.84）71.0177.7873.03表4 超声零差K成像k参数评价儿童脂肪肝的性能脂肪肝分类AUC敏感度/%特异性/%准确度/%G0 vs.G1G30.89（95%CI：0.860.93）77.5888.6084.00G0G1 vs.G2G30.83（95%CI：0.790.87）72.2282.0577.10G0G2 vs.G30.74（95%CI：0.690.79）70.2370.0970.23本研究将改进后的超声背散射统计参数成像应用于儿童脂肪肝的评价，分析超声 Nakagami 成像 m 参数、超声零差 K 成像 k 参数和 log10()参数诊断不同等级儿童脂肪肝的性能，结果表明，在 G0 vs.G1G3、G0G1 vs.G2G3、G0G2 vs.G 3 分类方面，超声零差 K 成像log10()参数均获得最高的 AUC、特异性和准确度。总体上，超声背散射统计参数成像在检测早期儿童脂肪肝方面具有最佳的表现。图4 超声背散射统计参数成像与儿童脂肪肝等级的箱线图。注：a.超声Nakagami成像m参数；b.超声零差K成像k参数；c.超声零差K成像log10()参数。*P0.05，*P0.01，*P0.001，*P0.0001。图5 超声背散射统计参数成像评价各等级儿童脂肪肝的ROC曲线。注：a.超声Nakagami成像m参数；b.超声零差K成像k参数；c.超声零差K成像log10()参数。研究论著RESEARCH WORK23中国医疗设备 2023年第38卷 09期 VOL.38 No.09表5 超声零差K成像log10()参数评价儿童脂肪肝的性能脂肪肝分类AUC敏感度/%特异性/%准确度/%G0 vs.G1G30.93（95%CI：0.900.96）90.9192.98 92.11G0G1 vs.G2G30.90（95%CI：0.870.93）81.3192.82 87.02G0G2 vs.G30.83（95%CI：0.790.87）68.8486.32 74.05声学上，正常的儿童肝实质可建模为一系列相干散射子和弥漫散射子的组合，相干散射子可能是肝小叶或门脉三合体，弥漫散射子可能是肝细胞核12。此外，由于肝实质内分布着大量的微细血管，血管内的红细胞等是弱散射子，因此，本研究中对于正常儿童肝实质即G0，超声分辨单元内的有效散射子个数即 参数的值小于 10，对应 log10()参数 1；相应地，超声背散射包络统计服从前瑞利分布即 m1。随着儿童脂肪肝等级的增加，肝实质内增加的脂肪滴成为额外的弥漫散射子，因此超声分辨单元内的散射子数量逐渐增多，log10()参数和 m 参数的值也随之增加，包络统计逐渐接近瑞利分布即 m=1。此外，脂肪滴数量的增加，可能会产生局部聚集等现象，形成了额外的相干散射子，导致 k 参数的值产生变化，但 k 参数的值不是随着脂肪肝等级的增加而单调增加的，针对超声零差 K 成像评价儿童脂肪肝而言，log10()参数优于 k 参数。值得注意的是，本研究设计的并行计算法，不仅可用于超声 Nakagami 成像和零差 K成像，同样可应用于加速其他的定量超声成像算法，如超声信息熵成像、衰减成像、背散射积分成像等。但本研究仍存在以下局限性：首先，儿童脂肪肝等级的参考标准采用了 HSI，而不是临床上的“金标准”即肝活检；其次，超声背散射统计参数成像在 G0G2 vs.G3 分类即重度脂肪肝检测方面的性能还需提高。5 结论本研究设计了基于并行计算的超声背散射统计参数成像方法，提高了成像速度，通过改进了超声零差 K 分布参数估算的 ANN 法，采用特征值的理论值进行估算模型训练，更具适用性。将改进后的超声背散射统计参数成像应用于儿童脂肪肝的评价，相比超声 Nakagami成像 m 参数和超声零差 K 成像 k 参数，超声零差 K 成像 log10()参数均获得最高的 AUC、特异性和准确度。超声背散射统计参数成像可用于儿童脂肪肝的定量评价，特别是早期检测。参考文献1 丁琪瑛,周著黄,吴水才,等.基于超声组织定征技术的脂肪肝无创检测J.中国医疗设备,2019,34(3):155-159.Ding QY,Zhou ZH,Wu SC,et al.Noninvasive detection of fatty liver based on ultrasound tissue characterization techniquesJ.China Med Devices,2019,34(3):155-159.2 姚诚子,刘自珍,冯巩,等.儿童非酒精性脂肪性肝病的危险因素及预防管理J.临床肝胆病杂志,2020,36(7):1623-1626.Yao CZ,Liu ZZ,Feng G,et al.Risk factors for childhood nonalcoholic fatty liver disease and related prevention and management strategiesJ.J Clin Hepatol,2020,36(7):1623-1626.3 Vos MB,Abrams SH,Barlow SE,et al.NASPGHAN clinical practice guideline for the diagnosis and treatment of nonalcoholic fatty liver disease in children:recommendations from the Expert Committee on NAFLD(ECON)and the North American Society of Pediatric Gastroenterology,Hepatology and Nutrition(NASPGHAN)J.J Pediatr Gastroenterol Nutr,2017,64(2):319-334.4 Serra-Burriel M,Graupera I,Torn P,et al.Transient elastography for screening of liver fibrosis:cost-effectiveness analysis from six prospective cohorts in Europe and AsiaJ.J Hepatol,2019,71(6):1141-1151.5 Eddowes PJ,Sasso M,Allison M,et al.Accuracy of FibroScan controlled attenuation parameter and liver stiffness measurement in assessing steatosis and fibrosis in patients with nonalcoholic fatty liver diseaseJ.Gastroenterology,2019,156(6):1717-1730.6 夏涛,周著黄,宋爽,等.基于超声背散射信息熵成像的微波消融凝固区检测方法J.中国医疗设备,2022,37(7):15-18.Ding QY,Zhou ZH,Song S,et al.Detection method of coagulation zones in microwave ablation based on ultrasound backscatter information entropy imagingJ.China Med Devices,2022,37(7):15-18.7 Desai NK,Harney S,Raza R,et al.Comparison of controlled attenuation parameter and liver biopsy to assess hepatic steatosis in pediatric patientsJ.J Pediatr,2016,173:160-164.8 Ferraioli G,Calcaterra V,L