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(xiǎn)，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(gè)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(diǎn)包括連續(xù)實(shí)時(shí)成像能力、成本相對(duì)較低、在評(píng)估熱消融治療效果時(shí)與動(dòng)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(huì)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(hào)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(dòng)會(huì)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(duì)熱消融區(qū)域提供定量的評(píng)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(jì)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(hào)是由每個(gè)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(jià)值的信息，具有一定的隨機(jī)性[21-23]。在聲學(xué)上，肝實(shí)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(dòng)和細(xì)胞壞死會(huì)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(hào)的包絡(luò)統(tǒng)計(jì)量（即信號(hào)振幅分布）進(jìn)行評(píng)估[23]。當(dāng)換能器分辨單元中散射體的數(shù)量密度增加時(shí)，包絡(luò)統(tǒng)計(jì)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(gè)最常用的超聲背散射廣義統(tǒng)計(jì)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(jì)方法較為復(fù)雜，大部分研究利用Nakagami 分布模型進(jìn)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(huì)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(hào)是否遵循瑞利分布，Hruska 等[26]首次提出RSK 估計(jì)器，利用信噪比、偏度、峰度3 個(gè)分類器估算α、k 參數(shù)。Destrempes 等[27]首次提出XU 估計(jì)器，利用單調(diào)函數(shù)二分法基于強(qiáng)度一階矩和兩階對(duì)數(shù)矩計(jì)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(shí)了在監(jiān)測肝組織微波熱消融凝固區(qū)時(shí)，XU估計(jì)器優(yōu)于RSK 估計(jì)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(jì)器，結(jié)果表明，ANN 估計(jì)器比RSK 和XU 估計(jì)器計(jì)算準(zhǔn)確性更高、計(jì)算速度更快。ANN 估計(jì)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(píng)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(jì)器估算零差K分布的α、k 參數(shù)，并與多項(xiàng)式擬合（polynomial approximation，PAX）技術(shù)相結(jié)合對(duì)微波熱消融產(chǎn)生的凝固區(qū)進(jìn)行定量評(píng)估。同時(shí)在不同消融功率、持續(xù)時(shí)間下，通過ROC 曲線、Dice 系數(shù)和Jaccard 系數(shù)，對(duì)比XU和ANN 估計(jì)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(shí)驗(yàn)數(shù)據(jù)采集

本文對(duì)新鮮的離體豬肝進(jìn)行微波熱消融實(shí)驗(yàn)，采集超聲背散射信號(hào)來對(duì)比ANN、XU 估計(jì)器監(jiān)測凝固區(qū)的性能。實(shí)驗(yàn)平臺(tái)設(shè)置如圖1 所示，實(shí)驗(yàn)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(shí)驗(yàn)平臺(tái)設(shè)置圖

實(shí)驗(yàn)開始前，將離體豬肝放置在0.9%的氯化鈉溶液中浸泡進(jìn)行去氣泡處理。然后利用B 超成像避開大血管和筋膜對(duì)離體豬肝進(jìn)行掃描選取樣本，將離體豬肝放入丙烯酸盒中進(jìn)行消融實(shí)驗(yàn)。將水冷式微波消融針插入離體豬肝時(shí)，消融區(qū)最長直徑對(duì)應(yīng)的消融針發(fā)射點(diǎn)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(shí)間下消融面積最大的截面。

實(shí)驗(yàn)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(hào)，信號(hào)數(shù)據(jù)以.bin 格式存入超聲掃描儀硬盤中，信號(hào)矩陣大小為1 558（采樣點(diǎn)數(shù)）×256（掃描線數(shù)）。控制消融功率和持續(xù)時(shí)間分別為80 W 1 min、70 W 2 min、60 W 3 min，3 組實(shí)驗(yàn)各采集16 例超聲背散射信號(hào)。實(shí)驗(yàn)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(duì)組織切片的圖片進(jìn)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(dòng)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(hào)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(hào)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(gè)分辨力單元中有效散射體的個(gè)數(shù)。導(dǎo)出的k 參數(shù)代表相干信號(hào)與漫散射信號(hào)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(jì)量的理論值；arg min表示使|UHK-U|取最小時(shí)的自變量取值。利用二分法估計(jì)滿足方程的最優(yōu)參數(shù)ε2、σ2、α，然后根據(jù)公式（2）計(jì)算得到k 參數(shù)[27]。為提高計(jì)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?cái)?shù)）的水平曲線估計(jì)，關(guān)系如下：

當(dāng)v 為固定值時(shí)，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(hào)計(jì)算的估計(jì)值取等，可以估計(jì)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(duì)每一組α、k 參數(shù)值生成符合零差K 分布的獨(dú)立同分布（independent and identically distributed，IID）包絡(luò)信號(hào)樣本，作為模型的訓(xùn)練集。通過公式（3）～（8）計(jì)算訓(xùn)練集中每個(gè)樣本對(duì)應(yīng)的X、U、R、S、K 5 個(gè)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(jì)作為模型的輸出。

在生成IID 包絡(luò)信號(hào)樣本時(shí)，為了消除σ 參數(shù)的影響，將信號(hào)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(duì)應(yīng)于5 倍超聲換能器脈沖長度。IID 包絡(luò)信號(hào)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(gè)神經(jīng)元組成的輸入層，分別對(duì)應(yīng)5 個(gè)特征參數(shù)；2 個(gè)隱藏層的神經(jīng)元個(gè)數(shù)分別為30、10；第四層為2 個(gè)神經(jīng)元組成的輸出層，分別對(duì)應(yīng)lg α、k參數(shù)的估值。具體的ANN 估計(jì)器設(shè)置可參考文獻(xiàn)[29]。

1.3 超聲背散射信號(hào)零差K 參數(shù)成像

通過MATLAB R2019a 軟件（美國The MathWorks公司）對(duì)實(shí)驗(yàn)采集的超聲背散射信號(hào)進(jìn)行處理，構(gòu)建B 超圖像。對(duì)去噪后的超聲背散射信號(hào)分別基于ANN 估計(jì)器和XU 估計(jì)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(duì)凝固區(qū)進(jìn)行定量評(píng)估。

具體成像流程如圖2 所示。先對(duì)超聲背散射信號(hào)進(jìn)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(hào)，然后利用希爾伯特變換進(jìn)行包絡(luò)檢測。對(duì)包絡(luò)信號(hào)進(jìn)行對(duì)數(shù)壓縮，可以得到B 超圖像。利用滑動(dòng)窗口法對(duì)未壓縮的包絡(luò)信號(hào)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(jìn)行數(shù)字掃描變換和顏色映射即可得到對(duì)應(yīng)的參數(shù)圖像。最后對(duì)參數(shù)矩陣每一個(gè)列向量、行向量分別進(jìn)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(dòng)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(hào)中滑動(dòng)，計(jì)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(shí)，使用小窗口可以提高圖像的分辨力，對(duì)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?dòng)窗口的大小取決于換能器脈沖長度的倍數(shù)。Zhou 等[31]研究表明，滑動(dòng)窗口≥5 倍換能器脈沖長度時(shí)，基于XU 法計(jì)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(dòng)窗口大小對(duì)結(jié)果對(duì)比的影響，本文均采用5 倍換能器脈沖長度大小的滑動(dòng)窗口進(jìn)行αANN、kANN、αXU、kXU參數(shù)估計(jì)，窗口重疊率設(shè)置為50%。

1.4 評(píng)價(jià)指標(biāo)

利用ROC 曲線對(duì)2 種估計(jì)器估算的參數(shù)成像監(jiān)測凝固區(qū)的性能進(jìn)行評(píng)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(jìn)行歸一化處理，使參數(shù)值的范圍在0～1 之間。對(duì)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(gè)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(diǎn)作為最佳閾值點(diǎn)，計(jì)算最佳閾值時(shí)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(jì)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(yàn)對(duì)的AUC 值做顯著性差異分析。

為了進(jìn)一步評(píng)估ANN 估計(jì)器與XU 估計(jì)器監(jiān)測凝固區(qū)的準(zhǔn)確性，計(jì)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(duì)比，系數(shù)越高，PAX 圖評(píng)估凝固區(qū)的準(zhǔn)確性越高。利用Tukey 檢驗(yàn)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(jì)算Dice 系數(shù)、Jaccard 系數(shù)通過MATLAB R2019a 軟件實(shí)現(xiàn)，顯著性差異分析通過SPSS 26.0（美國IBM 公司）軟件實(shí)現(xiàn)。

2 實(shí)驗(yàn)結(jié)果

圖3 為離體豬肝消融實(shí)驗(yàn)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(huì)導(dǎo)致凝固區(qū)背散射信號(hào)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(shí)間的增加，氣泡消散，每個(gè)分辨力單元內(nèi)散射子的個(gè)數(shù)也會(huì)隨之減少。

圖3 離體豬肝消融實(shí)驗(yàn)結(jié)束幀的成像結(jié)果圖

圖4 為微波熱消融離體豬肝實(shí)驗(yàn)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(jì)器與XU 估計(jì)器估算參數(shù)進(jìn)行PAX 得到的圖像都能對(duì)凝固區(qū)的范圍進(jìn)行表征。大量實(shí)驗(yàn)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(shí)驗(yàn)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(duì)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(shí)間為60 W 3 min 時(shí)，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(shí)間為70 W 2 min 時(shí)，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(shí)間為80 W 1 min 時(shí)，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(shí)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(jì)算了不同消融功率、持續(xù)時(shí)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(shí)最高，分別為0.985、0.910、0.965。的中位數(shù)在60 W 3 min 時(shí)最高，為0.979，但僅比80 W 1 min 時(shí)的AUC 值高0.002；和AUC 值的IQR 在80 W 1 min 時(shí)最低，AUC 值的IQR 在60 W 3 min 時(shí)最低，與80 W 1 min時(shí)僅差0.003。

表1 不同消融功率、持續(xù)時(shí)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(diǎn)處的指標(biāo)。在不同功率、持續(xù)時(shí)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(shí)最高。除的PPV 在70 W 2 min 時(shí)最高外，其他參數(shù)的PPV 均在60 W 3 min 時(shí)最高。在60 W 3 min 時(shí)，的ACC、SEN、SPE、PPV、NPV 最高；在70 W 2 min 時(shí)的ACC、SEN、SPE、PPV、NPV 最高；在80 W 1 min 時(shí)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(shí)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(diǎn)處的指標(biāo)統(tǒng)計(jì)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(diǎn)處的指標(biāo)統(tǒng)計(jì)結(jié)果（±s） 單位：%

圖6 比較了PAX 圖像與金標(biāo)準(zhǔn)計(jì)算的Dice 系數(shù)、Jaccard 系數(shù)。PAXα計(jì)算的系數(shù)值總體比PAXk計(jì)算的系數(shù)值高，并且Dice 系數(shù)高于Jaccard 系數(shù)。統(tǒng)計(jì)分析結(jié)果表明，在60 W 3 min、70 W 2 min、80 W 1 min 時(shí)與的Jaccard 系數(shù)差異均有統(tǒng)計(jì)學(xué)意義（P<0.05），與的Jaccard 系數(shù)之間差異均有統(tǒng)計(jì)學(xué)意義（P<0.001）；與的Dice 系數(shù)在60 W 3 min、70 W 2 min 時(shí)差異均有統(tǒng)計(jì)學(xué)意義（P<0.05），在80 W 1 min 時(shí)差異有高度統(tǒng)計(jì)學(xué)意義（P<0.001）；與的Dice 系數(shù)僅在60 W 3 min 時(shí)差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。在不同消融功率、持續(xù)時(shí)間條件下，PAXα之間的對(duì)比差異均無統(tǒng)計(jì)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(jì)器與XU 估計(jì)器計(jì)算得到的PAXα圖像與凝固區(qū)的相似度水平一致，但ANN 估計(jì)器計(jì)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(jì)器估算零差K 分布的α、k參數(shù)，將其應(yīng)用到評(píng)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(hào)，對(duì)比了ANN 估計(jì)器與XU 估計(jì)器評(píng)估凝固區(qū)的性能和準(zhǔn)確性。

ANN 由輸入層、一個(gè)或多個(gè)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(shí)，相對(duì)于使用R、S、K 3 個(gè)特征參數(shù)或X、U 2 個(gè)特征參數(shù)的ANN 估計(jì)器，結(jié)合RSK 與XU 估計(jì)器使用5 個(gè)特征參數(shù)組合的ANN 估計(jì)器性能更好[29]。ANN 估計(jì)器的能力體現(xiàn)在學(xué)習(xí)和函數(shù)逼近方面。因此，在評(píng)估性能保持一致的前提下，ANN 估計(jì)器比RSK 估計(jì)器和XU 估計(jì)器更加靈活，并且計(jì)算速度更快。從圖3～5 可以看出，基于ANN 估計(jì)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(dòng)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(huì)影響參數(shù)圖像的分辨力和參數(shù)估計(jì)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(duì)較小的窗口，參數(shù)估計(jì)會(huì)因?yàn)榇翱趦?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(jì)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(dòng)窗口的大小可以設(shè)置為實(shí)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(shí)驗(yàn)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(shí)，基于XU 估計(jì)器計(jì)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(dòng)窗口的大小可被視為實(shí)現(xiàn)基于XU 估計(jì)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(jì)器k 參數(shù)成像和基于ANN 估計(jì)器參數(shù)成像的窗口選擇。在本文中，為了保持參數(shù)估計(jì)的一致性，ANN 估計(jì)器和XU 估計(jì)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(jì)器還是基于XU 估計(jì)器，α 參數(shù)對(duì)凝固區(qū)的監(jiān)測效果都要優(yōu)于k 參數(shù)。統(tǒng)計(jì)學(xué)分析結(jié)果表明，在不同功率、持續(xù)時(shí)間下，AUC 值、Dice 系數(shù)、Jaccard 系數(shù)在基于ANN 估計(jì)器和XU 估計(jì)器計(jì)算的PAXα圖像之間差異均無統(tǒng)計(jì)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(píng)估凝固區(qū)的結(jié)果。除此之外，PAX 技術(shù)還彌補(bǔ)了不同功率下原始參數(shù)評(píng)估效果的差異，使得評(píng)價(jià)指標(biāo)在不同功率、持續(xù)時(shí)間下沒有明顯的對(duì)比。不過需要注意的是，α 參數(shù)在80 W 1 min 時(shí)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(shí)明顯包含了更多的散射體信息。氣泡作為有效信息能增強(qiáng)消融區(qū)的可視化。氣泡活動(dòng)的劇烈程度發(fā)生改變進(jìn)而會(huì)導(dǎo)致背散射信號(hào)的統(tǒng)計(jì)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(dòng)會(huì)導(dǎo)致散射體濃度增加，背散射信號(hào)的統(tǒng)計(jì)分布從前瑞利分布向瑞利分布轉(zhuǎn)變；而隨著消融時(shí)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(hào)的統(tǒng)計(jì)分布又轉(zhuǎn)變?yōu)榍叭鹄植糩11]。因此，消融持續(xù)時(shí)間增加，氣泡活動(dòng)減弱，每個(gè)分辨力單元內(nèi)有效散射體的個(gè)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(duì)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(qiáng)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(qiáng)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(shí)的成像效果最好，但其在60 W 3 min 時(shí)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(shí)際的消融區(qū)面積。PAXαANN在80 W 1 min 時(shí)的ACC 值最高，對(duì)應(yīng)于先前研究中ANN 估計(jì)器在高散射體密度中參數(shù)估計(jì)表現(xiàn)更好的結(jié)論[33]。綜合所有的結(jié)果，ANN 估計(jì)器與XU 估計(jì)器均在80 W 1 min 時(shí)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(jìn)行監(jiān)測，每個(gè)消融功率時(shí)間組的數(shù)據(jù)量較少（只有16 例），未來應(yīng)補(bǔ)充更多的實(shí)驗(yàn)數(shù)據(jù)并考慮使用在體數(shù)據(jù)對(duì)算法進(jìn)行驗(yàn)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(duì)基于ANN 估計(jì)器的零差K 參數(shù)成像最低窗口大小標(biāo)準(zhǔn)進(jìn)行仿真研究。

4 結(jié)論

本文首次探究了利用ANN 估計(jì)器估算零差K參數(shù)評(píng)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(hào)成像，對(duì)比了ANN 估計(jì)器和XU 估計(jì)器在不同消融功率、持續(xù)時(shí)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(jì)結(jié)果表明，在不同消融功率、持續(xù)時(shí)間條件下，參數(shù)對(duì)凝固區(qū)的監(jiān)測效果均優(yōu)于k 參數(shù)。2 種估計(jì)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(jì)學(xué)意義（P>0.05）。研究表明，基于ANN 估計(jì)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)。