肝纤维化是机体对各种病因所致慢性肝损伤的一种修复性反应。长期的慢性肝实质的炎症坏死会引起超过肝脏降解能力的纤维结缔组织过度增生与沉积,导致不同程度的肝纤维化病变,最终破坏正常肝小叶的结构并重建小叶形成肝硬化。引起肝纤维化的病因很多,在我国,病毒性肝炎是其主要病因。临床上肝纤维化和肝硬化症状隐匿,是同一疾病连续发展过程中的不同阶段,二者不易截然分开。目前大量的研究显示,经过有效的治疗肝纤维化是完全可以逆转的,但若病因持续存在,最终将会发展成为不可逆的肝硬化。因此,准确判断肝纤维化与肝硬化的病变程度,对临床治疗的选择、评估和随访,患者的预后和疾病的转归都有极其重要的意义。目前诊断肝纤维化严重程度的金标准是肝脏穿刺组织活检的病理学检查,但却存在诸多缺陷。临床迫切需要一种能够定量评价肝纤维化、准确性较高的无创性诊断方法。超声检查因为安全、无辐射、无临床禁忌等诸多优点,为肝纤维化的无创诊断研究提供了契机。计算机辅助的纹理分析方法是一门新兴的交叉学科,它正在向包括超声医学在内的各个领域渗透,为肝纤维化的定量分析提供了一种新的有效手段。本研究将就这一课题展开工作,并在此基础上就如何提高超声定量诊断肝纤维化的正确率做了进一步的探讨。第二部分：超声定量分析方法评估肝纤维化严重程度的实验性研究第一章肝纤维化动物模型的选择和制作目的：获得与人类病毒性肝炎肝纤维化相似的动物模型。材料和方法：90只健康雄性SPF级的Sprague-Dawley (SD)大鼠,体质量180-220 g,随机分成9组,每组均为10只。每组内随机抽9只按0.25 g·kg-1·3d-1的剂量腹腔注射10%的TAA水溶液,1只作为对照亦按相同剂量腹腔注射生理盐水。从第4周开始,每周相同时间麻醉处死1组,解剖观察肝脏并行肝脏的组织病理及超声检查。结果：90只大鼠于造模结束时死亡2只(均为TAA诱导组),共存活88只。对照组中9只大鼠肝脏病理检查均无炎症坏死和肝纤维化形成。TAA诱导组于第4周开始出现肝纤维化,于第8周即出现早期肝硬化。此次实验共获得87只GO、1只G1、1只G2和1只G3；12只S0、19只S1、20只S2、22只S3和17只S4,TAA诱导的大鼠肝纤维化(S1-3)的形成率为75.3%(61/81),早期肝硬化(S4)的形成率为21.0%(17/81)。死亡大鼠的肝脏病理诊断分别为G2S3和G3S4。结论：采用TAA腹腔注射的方法能够比较成功地获得SD大鼠的肝纤维化模型。第二章探讨适用于SD大鼠肝纤维化声像图纹理GLCM分析的构造因子目的：获得适用于SD大鼠肝纤维化声像图纹理GLCM分析的构造因子。材料和方法：基于GLCM主要特点,从超声成像的特殊性出发,对不同角度、间距和灰度情况下提取到的90幅5类(肝纤维化S0-S4期)大鼠肝脏声像图纹理的14个GLCM纹理参数进行相关分析和单因素方差分析,采用逐步法的判别分析模型验证获得的不同GLCM对大鼠肝纤维化声像图的分类效果。结果：通过比较不同角度上参数Cor,发现Cor值在角度为0°时最大,除角度为45°与135°外,其余角度的Cor值之间的差异均有统计学意义(P<0.01),声像图纹理表现出水平特征。当角度为0°,灰度为256级和间距为1个像素时,有统计学意义的各纹理参数的F值(P<0.05)累计总和达到最大,此时5类声像图在纹理特征空间中总体上具有较好的离散性。判别分析显示在角度为0°,灰度为256级和间距为1个像素时获得的GLCM参数对大鼠肝纤维化声像图分类的总体正确率最高,达到了70.0%。结论：为了获得理想的大鼠肝纤维化声像图纹理的分类效果,最好在角度为0°,灰度为256级和间距为1个像素的情况下构建GLCM。第三章探讨不同超声成像方法对SD大鼠肝纤维化声像图纹理分析的影响目的：就不同超声成像方法对大鼠肝纤维化声像图纹理分析的影响做一比较,以获得更加有利于进一步研究的声像图。材料和方法：对上述90只有病理肝纤维化分期结果的SD大鼠的离体肝脏分别在Toshiba SSA 550和Philips ATL-HDI 5000超声仪的高频探头下,采集成像清晰的标准化声像图,提取声像图纹理的GLCM参数,利用判别分析方法分别建立诊断模型Ⅰ和Ⅱ。采用配对四格表的Fisher精确检验比较不同成像方法下获得的两种诊断模型的结果。结果：模型Ⅰ诊断S0、S1、S2、S3和S4的正确率依次为75.0%、52.6%、25.0%、27.2%和647%,总体正确率为45.6%。模型Ⅱ诊断S0、S1、S2、S3和S4的正确率依次为83.3‰、842%、500%、545%和88.2%,总体正确率为70.0%。模型Ⅰ和模型Ⅱ正确诊断S0、S1、S2、S3、S4以及S0-4的配对四格表Fisher精确检验的确切概率分别为P=0.545、P=0.458、P=0.016、P=0.043、P=0.596以及P=0.097,两种模型诊断S0、S1、S4以及S0-4的正确率没有统计学意义上的差异(P>0.05)；模型Ⅱ诊断S2和S3期的正确率高于模型Ⅰ的且差异有统计学意义(P<0.05)。结论：采用SonoCT和Xres成像技术采集声像图能够帮助提高纹理分析和分类的效果。第四章主成分分析提取SD大鼠肝纤维化声像图的纹理特征的价值分析目的：探讨PCA的方法提取SD大鼠肝纤维化声像图纹理特征的价值。材料和方法：采用主成份分析的方法对5类90幅大鼠肝纤维化声像图纹理的14个GLCM参数进行分析,从中提取主要成分。利用原始14个参数和提取到的主要成分分别建立判别分析模型并对大鼠肝纤维化声像图进行分类。结果：通过PCA方法获得的4个主要成分(特征根>0.5)对声像图纹理解释的累计贡献率为92.84%。交互检验表明建立在4个主要成分和14个原始参数基础上的判别分析模型分别能够对67.8%和70.0%的大鼠准确分类。结论：采用PCA方法提取的肝纤维化声像图纹理特征的主要成分既减少了数据量又获得了比较高的分类精度。第五章超声定量法诊断SD大鼠肝纤维化的价值研究目的：探讨超声定量诊断大鼠肝纤维化的价值。材料和方法：采集正常或肝纤维化共90只大鼠的标准化声像图,观测肝包膜的厚度并提取声像图纹理的14个GLCM参数,与肝纤维化SO-S4的病理分期诊断进行比较,对15个指标进行逐步法判别分析建立诊断大鼠肝纤维化严重程度的超声定量模型,采用交互检验评价模型的效率。结果：15个定量指标与肝纤维化病理分期均具有相关性(P值均<0.05),且所有指标在病理肝纤维化分期间的差异均具有统计学意义(P值均<0.05)。交互检验表明建立于超声定量指标基础上的判别分析模型对大鼠肝纤维化S0、S1、S2、S3和S4分期的准确率分别为833%、842%、70.0%、50.0%和88.2%,其中73.3%的大鼠能够被准确分期；对无纤维化组(S0)、轻度纤维化组(S1)、中重度纤维化组(S2及S3)和早期肝硬化组(S4)进行分组的准确率分别为91.7%、84.2%、69.0%和88.2%,其中78.9%的大鼠能够被准确分组。结论：超声检查结合声像图的纹理分析对定量诊断大鼠肝纤维化具有较高的准确性,值得进一步研究。第三部分：超声定量分析方法诊断慢性乙型肝炎肝纤维化严重程度的临床价值研究第一章探讨适合于人类肝纤维化声像图纹理灰度共生矩阵分析的构造因子目的：获得适和于肝脏声像图纹理灰度共生矩阵分析的构造因子。材料和方法：基于灰度共生矩阵主要特点,从超声成像的特殊性出发,对不同角度、间距和灰度情况下提取到的186幅5类人类肝脏声像图纹理的14个GLCM纹理参数进行单因素方差分析和相关分析。采用逐步法的判别分析模型验证获得的不同GLCM对人类肝纤维化声像图的分类效果。结果：通过比较不同角度上参数Cor,发现Cor值在角度为0°时最大,除角度为45°与135°外,其余角度的Cor值之间的差异均有统计学意义(P<0.05),声像图纹理表现出水平特征。当角度为0°,灰度为256级和间距为2个像素时,有统计学意义的各纹理参数的F值(P<0.05)累计总和达到最大,此时5类声像图在纹理特征空间中总体上具有较好的离散性。判别分析显示当角度为0°,灰度为256级和间距为2个像素时,获得的GLCM参数对人类肝纤维化声像图分类的总体正确率最高,可以达到68.8%。结论：为了获得理想的人类肝纤维化声像图纹理分类效果,应该采取角度为0°,灰度为256级和间距为2个像素来构建GLCM。第二章探讨声像图纹理特征参数与乙型肝炎炎症和纤维化程度的关系目的：探讨超声纹理特征参数与乙型肝炎炎症和纤维化程度的关系。材料和方法：采集186例有肝穿刺病理结果的乙型肝炎患者的标准化声像图,提取声像图纹理的14个GLCM参数,分别与患者的肝脏病理炎症坏死(G0-G4)分级和纤维化(S0-S4)分期进行比较。结果：GLCM的10个参数与纤维化(SO-S4)分期具有相关性且在分期间的差异具有统计学意义(P值均<0.05)。14个参数与炎症坏死(G0-G4)分级均无相关性且在分级间无统计学意义的差异(P值均>0.05)。肝脏炎症与纤维化的交互作用对参数的影响无统计学意义(P>0.05)。结论：在目前的成像条件下,超声纹理特征参数定量评价肝纤维化具有可行性,但尚不能用于评价肝脏的炎症程度。第三章超声定量分析方法诊断乙型肝炎肝纤维化和早期肝硬化的价值探讨目的：探讨超声定量诊断慢性乙型肝炎肝纤维化的临床价值。材料和方法：采集186例有肝组织穿刺病理结果的CHB患者的标准声像图,观测肝包膜厚度并提取声像图纹理的14个GLCM参数,与肝纤维化病理诊断(S0-S4)进行比较。各定量指标在纤维化病理分期间的差异及与之相关性分别采用方差分析和相关分析,由定量指标建立对纤维化分期和分组的判别分析模型。结果：15个指标中仅参数Var(F=0.55,r=0.06,P>0.05).SA(F=0.61,r=0.05, P>0.05).SE(F=1.68,r=0.09,P>0.05)及Ent(F=1.39,r=0.12,P>0.05)在病理肝纤维化分期间的差异不具有统计学意义且与之不具有相关性。交互检验表明,建立的判别分析模型对肝纤维化按SO到S4分期正确率分别为80.0%、64.9%、61.3%、74.1%、80.6%,73.1%的病例能被准确分期,诊断不同程度纤维化的敏感度、特异度、准确性分别为≥S1：97.6%、80%、91.9%,≥S2：92.1%、89.7%、90.9%,≥S3：94.8%、96.1%、95.7%,=S4：80.6%、97.4%、94.6%：按SO无肝纤维化,S1轻度肝纤维化,S2和S3中重度肝纤维化,S4早期肝硬化分组正确率分别为81.7%、78.4%、56.9%、90.3%,其中74.7%的病例能被准确分组,诊断不同程度肝纤维化的敏感度、特异度、准确性分别为≥轻度纤维化：97.6%、81.7%、92.5%,≥中重度纤维化：83.1%、94.8%、89.2%,早期肝硬化：90.3%、93.5%、93.0%。结论：无创的超声检查结合声像图纹理分析对定量诊断CHB肝纤维化具有较高的价值。第四章声像图纹理分析和人工神经网络在肝纤维化分期诊断中的初步应用目的：探讨声像图纹理分析和多层人工神经网络在超声对肝纤维化分期诊断中的可行性。材料和方法：采集186例有肝组织穿刺病理肝纤维化分期(S0-S4)结果的CHB患者的标准声像图,提取声像图纹理的GLCM参数。随机将145例患者的声像图纹理参数作为输入层神经元,病理分期作为输出层神经元,初步建立超声对肝纤维化分期的多层人工神经网络模型,其余41例用于验证该神经网络模型。同时,利用186例患者的声像图纹理参数建立判别分析模型并采用“留一法”检验该模型。比较两种诊断模型的效率。结果：判别分析模型和多层人工神经网络模型对S0、S1、S2、S3和S4分期诊断的正确率分别为70.0%和100.0%、62.2%和85.7%、51.6%和57.1%、77.8%和66.7%、77.4%和100.0%,对肝纤维化(S1-S4)诊断的敏感度、特异度、准确度、尤登指数分别为98.4%和100.0%、70.0%和100.0%、89.2%和100.0%、0.684和1.000。结论：作为一种无创的新方法,声像图纹理分析结合多层人工神经网络模型在超声对肝纤维化分期诊断中表现出较高准确性,值得进一步深入探讨。