肝纤维化合并脂肪肝超声背散射统计参数成像评估方法研究

Ultrasound elastography has been applied to clinical detection of liver fibrosis, but it is prone to be affected by inflammatory reaction. Ultrasound backscattered statistics analysis can overcome this drawback, but when liver fibrosis and fatty liver co-exist, the current backscattered statistics analysis methods cannot be used to effectively assess liver fibrosis. This project aims to address three key scientific issues associated with ultrasound backscattered statistics analysis based assessment of liver fibrosis with fatty liver, i.e., backscattered statistics see-sawing effect, liver fibrosis assessment, and experimental design and evaluation. This project will be conducted from the following three aspects: (1) noise-modulated empirical mode decomposition of backscattered signals, to extract the IMF1 and IMF2 backscattered signals corresponding to the first and second intrinsic mode functions (IMFs); (2) backscattered statistics parametric imaging, including homodyned-K distribution and parameter estimation algorithm, and IMF1/IMF2 backscattered statistics parametric imaging (Nakagami, information entropy, homodyned-K parametric imaging); and (3) experimental research, including computer simulation and phantom experiments, rat model experiments (fatty liver model, liver fibrosis model, fatty liver to liver fibrosis model), and clinical experiments. This project is expected to propose a new ultrasound backscattered statistics parametric imaging method for assessment of liver fibrosis with fatty liver, and to establish a new liver fibrosis analysis technique that can meet the clinical and primary needs, thus having important clinical values and application prospect.

超声弹性成像已用于临床肝纤维化检测，但其易受炎症反应影响，超声背散射统计分析能克服这一不足，但当肝纤维化与脂肪肝并存时，现有背散射统计分析方法不能有效评估肝纤维化。本项目围绕肝纤维化合并脂肪肝超声背散射评估中的三个关键科学问题展开研究：背散射统计拉锯效应、肝纤维化评估、实验设计与验证。主要研究内容有：(1)背散射信号的噪声调制经验模态分解，提取第一和第二本征模态函数对应的IMF1和IMF2背散射信号；(2)背散射统计参数成像，包括零差K分布与参数估计算法以及IMF1和IMF2背散射统计参数成像(Nakagami、信息熵、零差K参数成像)；(3)实验研究，包括仿真与仿体实验、大鼠模型实验(脂肪肝模型、肝纤维化模型、脂肪肝至肝纤维化模型)以及临床实验。本项目预期提出肝纤维化合并脂肪肝超声背散射统计参数成像评估新方法，实现可满足临床与基层需求的新型肝纤维化分析技术，具有重要的临床价值和应用前景。

早期检测肝纤维化具有重要意义。超声弹性成像已用于临床肝纤维化检测，但其易受炎症反应影响，超声背散射统计分析能克服这一不足，但当肝纤维化与脂肪肝并存时，现有背散射统计分析方法不能有效评估肝纤维化。本项目围绕肝纤维化合并脂肪肝超声背散射评估中的三个关键科学问题展开研究：背散射统计拉锯效应、肝纤维化评估、实验设计与验证。主要研究内容有：背散射信号的噪声调制经验模态分解，提取第一和第二本征模态函数对应的IMF1和IMF2背散射信号；背散射统计参数成像，包括零差K分布与参数估计算法以及IMF1和IMF2背散射统计参数成像；实验研究，包括仿真与仿体、大鼠模型以及临床实验。主要研究工作包括：①完成了超声背散射零差K成像评估脂肪肝的方法研究，对比了超声Nakagami成像，开展了仿体、大鼠模型及临床实验。②完成了零差K成像评估肝纤维化合并脂肪肝的方法研究，开展了仿真与临床实验，包括：完成了基于XU法的零差K成像评估肝纤维化合并脂肪肝的方法研究；完成了基于神经网络估算零差K模型参数的方法研究、以及基于神经网络的零差K成像评估肝纤维化合并脂肪肝的方法研究；完成了基于噪声调制经验模态分解的零差K成像评估肝纤维化合并脂肪肝的方法研究。③完成了超声背散射信息熵(样本熵)成像评估肝纤维化和脂肪肝的方法研究，对比了超声背散射香农熵成像，开展了临床实验。本项目发展了肝纤维化合并脂肪肝超声背散射统计参数成像评估方法，提出了基于XU法的、基于神经网络的、基于经验模态分解的超声背散射零差K成像新方法，以及超声背散射样本熵成像新方法，实现了脂肪肝、肝纤维化以及肝纤维化合并脂肪肝的超声检测与评估，提升了评估性能，有效克服了脂肪肝对肝纤维评估的干扰，具有重要的学术意义和临床价值。项目负责人以第一作者(含2篇共同一作)或通讯作者，发表期刊论文8篇，其中SCI论文7篇；发表IEEE-IUS会议论文2篇。申请发明专利4项，其中2项已授权，1项已转让至企业，20万元。培养硕士生5名。