人工神经网络在超声无创定量诊断 肝纤维化中的初步应用与无创肝纤维化肝硬化早期检测诊断方法

摘要：目的研究人工神经网络用于超声定量分级诊断肝纤维化的可行性。方法选择2005年9月~2007年6月146 例超声引导肝脏穿刺病理证实为肝纤维化患者，其中男性103例，女性43例，年龄14〜77岁（平均年龄47.6岁）;其中2005 年9月〜2006年12月收集的81例肝纤维化患者(男性54例，女性27例)及22例正常对照人群的超声影像数据作为训练 样本集;2007年1月~ 2007年6月收集的65例肝纤维化患者及53例正常人群的超声影像数据对人工神经网络进行评价。 先对81例肝纤维化患者及22例正常人超声影像数据经统计学分析筛选出有意义的7项指标纳为诊断指标,初步建立超声 诊断肝纤维化分级的人工神经网络模型，再将65例肝纤维化患者及53例正常人的超声影像数据用于人工神经网络的评 价。结果以肝实质、肝脏边缘、脾脏大小及门静脉平均血流速度4项指标作为人工神经网络模型的输入层，以病理诊断分 级结果为输出层，建立人工神经网络模型，该模塑对肝纤维化分级诊断的敏感度95.4%，特异度96.2%，准确度95.8%,尤 登指数0.916。结论建立的人工神经M络进行超声诊断肝纤维化分级具有较高的敏感度及特异度，值得进一步探讨。 关键词：人工神经N络;超声诊断;肝纤维化;肝硬化

肝纤维化是肝硬化的前期病理阶段，是肝脏受到 慢性损伤时，细胞外基质可逆性沉积的创伤愈合过程^ 研究表明肝纤维化经过治疗是可以进行逆转的，而发 展至肝硬化期则无法逆转，所以在肝纤维化期做到早 发现、早治疗则尤为重要。目前很多学者研究结果表 明应用超声诊断肝纤维化有较高的临床价值I但对 其程度分析还有一定的困难。人工神经网络

cial neural network,ANN)是生物神经网络在结构、功 能及某些基本特性方面的理论抽象、简化和模拟而构 成的一种信息处理系统^|31，近年来在医学领域的应用 也越来越广泛^w。笔者研究通过应用ANN体系初步 建立超声分级诊断肝纤维化的模型，并对其临床应用 价值作一评价。

1资料与方法

1.1临床资料

选择2005年9月~ 2007年6月在唐都医院诊 治的慢性肝病患者，经超声检查后行肝脏穿刺病理组 织活检证实为肝纤维化的患者146例，年龄14 ~ 77

 岁，平均年龄47.6岁，其中男性103例，女性43例， 病理学诊断证实肝纤维化I ~1V期各24、25、34、63 例。其中2005年9月~ 2006年12月的81例患者 (男性54例，女性27例)及22例正常对照人群的超 声影像数据作为训练样本集;2007年1月~ 2007年 6月的65例肝纤维化患者（男性49例，女性16例） 及53例正常人群的超声影像数据对ANN进行评价。 胆囊切除术后、脾脏切除术后的患者及肝脏占位（直 径大于5 cm)患者不纳人试验研究。

1.2方法

1.  超声检查

仪器:GE LOGIQ 5 Expert彩色电脑超声诊断仪, 选用3.5 C探头，成像频率5.5 MHz。

腹部检查。所有患者空腹8 h以上，采取仰卧位， 在肋缘下及肋间扫查肝脏，分别观察肝实质回声、肝 包膜回声、肝脏边缘、胆囊壁（厚度、是否光滑）、腹水 情况,测量脾脏大小，在肝门部矢状面显示门静脉长 轴，将取样点置于门静脉分叉前的血管中央测量血流 速度，测量角度30° ~ 60°,在患者平静呼吸时暂屏 气，记录4 ~ 6个心动周期血流频谱供分析,共测量3 次，取平均值作为门静脉平均血流速度。

1.2.2人工神经网络的建立及训练

将81例患者和22例正常人的7项超声指标依 病变严重程度进行评分，量化每一项指标，将其划分 为〇 ~ 4分，评分标准参考国内外多位学者研究结果 制定见表1。

表1超声诊断肝纤维化评分标准 Table 1 Ultrasound diagnosis of liver fibrosis score standards

检查项目	0分	1分	2分	3分	4分
肝包膜回声	光滑整齐	尚光滑	粗糙增厚	明显粗糙增厚，欠光	明显增厚，呈锯齿波
				滑	浪状
肝实质回声	光点细，分布均匀， 呈等N声	光点稍粗，分布均 匀，回声稍强	光点增粗，分布均 匀，回声增强	明显增粗，分布不均 匀，回声增强	可见结节状强回声
肝脏边缘	正常锐利	稍变钝	变钝	明显变钝	极度变钝，失去常态
胆囊壁厚度/cm	0_2,光滑	0.2 ~0.3,尚光滑	0.2 ~ 0.3,欠光滑	0.3 ~ 0.4,毛糙	>0.4,双边征
脾脏大小/cm	<4.0	4,0 ~ 4.2	43 - 4.5	4.6 ~ 5.0	>5.0
门静脉平均血流速 度/cm/s	>15.6	15.5 - 13.0	13.1-11.2	<11.2	双向血流或负向血 流
腹水	无	微量	少量	中量	大董

ANN通常由三层单元(节点)或人工神经元组成。 第一层即输人层，包含一组处理单元，负责接受向网络 输人的数据。输入层与隐含层相连接，隐含层既不直接 接受输人数据也不直接产生输出数据。不同的网络可 能含有一层或多层隐含层，最后一层与输出层相连接。 每一个输入单元都与隐含层的隐单元相连接。隐含层 最后一层的隐单元都与输出层的单元相连接。输出层 含有一个或多个节点，这些节点产生输出数据。

ANN输入层由超声指标组成，隐含层节点数取3, 输出层节点数取4。输出层即肝纤维化分级，采用2000 年西安全国会议通过的“病毒性肝炎防治方案”^[8]纤维 化病理组织分期标准(S_e_₄) :S。期，无纤维化;S,期，汇 管区纤维化扩大，局限窦周及小叶内纤维化;S₂期，汇 管区周围纤维化，纤维间隔形成，小叶结构保留;S₃ 期，小叶间隔伴小叶结构紊乱，无肝硬化;S₄期，早期 肝硬化。以8〗例慢性肝病患者与22例正常人群的超 声指标作为输人层，已知的病理学诊断结果作为输出 层，调节隐含层节点的权重，使实际输出与病理学诊 断结果相近。

ANN的建立、训练均是在MATIAB 6.5软件神经

网络工具箱的支持下完成。采用目前应用较多且比较 成熟的误差逆传播(back propagation, BP)神经网络。 1.2.3统计学方法

所有统计学分析(Logistic回归、逐步判别分析、线 性相关分析、卡方检验、Kappa值)均采用SPSS 13.0软 件。将量化的超声数据经统计学分析出的P< 〇.〇5的 参数作为ANN的输入向量。

1.3人工神经网络的评价

利用剩余部分数据组成网络评价样本集，作为 ANN的仿真输入，通过网络计算得到诊断输出，根据 ANN的诊断输出与病理学诊断列四格表。计算用于评 价该ANN诊断模型真实性的评价指标,主要包括:敏 感度、特异度、准确度及尤登指数。根据Landis和 Koch所提出的6级划分标准尤登指数¹⁹¹评价模型的可 靠性，尤登指数位于0.81 ~ 1.00区间，则2次的诊断 结果完全符合。

2结果

2.1人工神经网络的建立

7项诊断指标肝包膜回声、肝实质回声，肝脏边

缘、胆囊壁厚度、脾脏大小、门静脉平均血流速度及腹 水情况随着肝脏纤维化程度递增，超声表现也随之进 一步改变，肝包膜增厚、粗糙，肝实质回声增粗、分布 不均勻，肝脏边缘逐步变钝，胆囊壁增厚，脾脏变大， 门静脉平均血流速度减慢及腹水由无到大量的转变。 将81例患者和22例正常人的7项超声指标进行统 计学分析，其中肝实质、肝脏边缘、脾脏大小及门静脉 平均血流速度对诊断肝纤维化分级有统计学意义(见 表2、3),将其作为输入层，以病理学诊断结果（肝纤 维化分级）作为输出层，建立肝纤维化分级诊断的 ANN模型（见图1)，并计算出比数比(OR)，得出单一 变量异常时与正常人相比患病几率。

统计学计算肝纤维化概率：

表2所有变量Logistic回归的回归系数 Table 2 Regression coefficient of all variables Logistic regression

变量	回归系数	标准误	Wald x2	P
肝实质	1.721 8	0.843 3	4.168 6	0.041 X
肝包膜	-0.639 4	0.826 4	0.598 6	0.439 1
肝脏边缘	2.851 0	1.167 6	5.961 9	0.0146*
胆囊壁厚度	0.978 0	0.558 6	3.065 6	0.0800
脾脏大小	1.286 9	0.606 4	4,5041	0.033 8*
门静脉平均血流速度	3.165 9	1.1105	8.1466	0.004 3*
腹水	0.856 4	0.692 5	1.529 2	0.216 2

*P<0.05

表3逐步回归分析筛选后变量回归系数 Table 3 Regression coefficient of stepwise regression analysis

变量	回归 系数	标准误	Wald x2	P	OR
肝实质	1.1137	0.449 7	6.132 3	0.013 3	3.046
肝脏边缘	2.730 3	0.828 7	10,855 5	0.001 0	15.338
脾脏大小	1.086 0	0.495 1	4.810 6	0.028 3	2.962
门静脉平均 血流速度	2.612 7	0.658 7	15.733 9	<0.000 1	13.636

输出模式

输出神经元

隐含神经元

输入神经元

图1 BP神经网络示意图 Figure 1 Sketch of BP neural network

2.2人工神经网络的评价

将收集的肝纤维化患者和正常人群组成的网络 评价样本集，通过ANN仿真后，得到相应ANN肝纤 维化分级诊断输出，根据网络的仿真输出数据与病理 学诊断结果对比得出，ANN超声诊断肝纤维化分级 与病理学诊断结果一致的有62例，其中1例病理学 诊断为肝纤维化2级，ANN诊断为肝纤维化3级;2 例病理学诊断为肝纤维化3级，ANN分别诊断为肝 纤维化2级和4级。正常对照中，ANN诊断结果与病 理学诊断结果相同的有51例，其中2例均诊断为肝 纤维化1级，结果见表4。

表4 ANN应用于超声诊断肝纤维化分级的结果

Table 4 Results of ultrasound diagnosis of liver fibrosis in ANN

ANN诊断	病理学诊断		合计
	肝纤维化	正常
肝纤维化	62(a)	2(b)	64
正常	3(c)	51(d)	54
合计	65	53	118

计算出评价该ANN模型应用于超声诊断肝纤维 化分级中的各项指标为：

2.  敏感度=3/& + 〇=95.4%

3.  特异度= d/(b + d) = 96.2%

4.  误诊率= b + c/(a + b + c + d) = 4.2 %

5.  阳性预测值=a/(a + b) = 96.9 %

6.  阴性预测值=d/(c + d) = 94.4 %

7.  准确度=(a + d)/(a + b + c + d) = 95.8 %

8.  尤登指数=敏感度+特异度-1 = 0.916

3讨论

正确诊断肝纤维化程度对肝硬化的预防与早期 治疗是至关重要的，但因肝纤维化临床表现的隐匿 性、复杂性增加了诊断的难度，目前正确诊断肝纤维 化分级仍是国内外学者致力研究的课题。很多研究认 为随肝纤维化分期(S,~S₄)的加重，超声二维图像可 表现为肝实质回声不均匀、粗糙甚至结节样改变，肝 表面也可呈现不规则或波纹状，边缘变钝，肝静脉可 变细变窄，胆囊壁增厚，脾脏肿大等，这些特异性改变 可为诊断肝纤维化和肝硬化提供评价指标^[1°~^12]。笔者 所在科室在无创超声诊断肝纤维化方面也做了很多 研究,证明了随着肝纤维化的加重，胆囊壁增厚、门静 脉压力也逐渐增加;并发现超声造影剂在肝内的循环 动力学表现可以作为诊断早期肝硬化的指标;发现肝 纤维化患者采用超声综合评分与病理学诊断相关性 良好^[13，¹⁴¹。基于以上研究基础，证实肝纤维化的分级诊 断是需要多元素相互结合，多项指标综合分析，因此 在该研究中笔者试图将ANN这一新型的诊断模式运 用于肝纤维化的分级诊断中。

ANN的自学习、联想记忆、高度并行、容错等功 能可以根据已学会的知识和处理问题的经验对复杂 问题做出合理的判断。ANN在临床诊断中有着广泛 的应用价值，它的不同节点之间的连接权重是不同 的，每个连接之间有不同的权重，并在训练期间发生 变化。网络训练的过程是用一组输人数据与相应的输 出数据输进网络，网络根据这些数据来调节不同连接 节点之间的权重，直至实际输出与期望输出相同或相 似。通过输人大量数据可以使各个训练组的网络误差 减小网_。

该研究是把统计学Logistic多因素回归分析出 的最有意义的因素作为ANN的输人向量，所建立 ANN用于肝纤维化分级诊断的敏感度、特异度可以 达到95.4 %、96.2 %,准确度95.8 %,尤登指数0.916; 表明该ANN诊断模型在超声诊断肝纤维化应用中有 较好的准确度，诊断结果可靠性较高，为解决肝纤维 化的无创诊断这一复杂问题提供了一种新的思路。但 该研究只是初步的应用探讨，存在一定的局限性，还 有待于深人研究，如增大样本量，进一步改进输入数 据的数据化处理和网络中知识的提取等。随着临床医

师对ANN技术的熟悉和认可，它有可能成为一种实 用工具,在临床上加以推广和应用。

  成都华西华科研究所研发生产无创肝纤维化肝硬化早期检测诊断仪

网址:http:// www.qctqct.cn 

手机 : 13072875151传真 :028-65830598

市场部电话 :028-65830598 028-67708638 

在线 QQ:110480527 联系人 : 王先生

邮箱:samwangcn@126.com

地址 : 成都市静康路536号