基于超声散射回波的组织损伤程度监测方法

明 文，钱盛友，赵新民，丁亚军

（湖南师范大学物理与信息科学学院，湖南长沙 410081）

0 引 言

高强度聚焦超声（HIFU）因其独特的软组织穿透性能和生物效应，被认为是肿瘤治疗的重要手段之一，在医药学领域有十分广泛的应用.HIFU是基于高温热效应对组织损伤的原理，因而对治疗过程中组织损伤程度的监测非常重要［1，2］.生物组织在超声聚焦作用下，组织温度升高，组织损伤程度从无凝固性热损伤发生、产生热损伤但未达到治疗效果到过损伤，损伤程度逐渐加深［3］，超声波各特性参数（如超声散射回波能量、声衰减系数、声阻抗率、散射系数、弹性系数等）随着组织损伤程度的加深逐渐产生变化［4，5］.已有研究表明，HIFU治疗中获取的B超监控图像特征能反映组织损伤程度的变化［6，7］.相对于超声图像，回波信号的提取会更直接.本文尝试通过对离体实验中获取的HIFU辐照前后的超声回波信号进行分析，提取超声散射回波能量和声衰减系数并借助BP神经网络来监测生物组织损伤程度.

1 基本理论

1.1 超声散射回波能量

超声与生物组织的相互作用机理较为复杂，HIFU击打生物组织后引起组织的热效应、机械效应和空化效应，从而影响生物组织的超声散射回波幅度［8，9］.令Esignal为组织超声散射回波的幅值平方值，即超声散射回波能量，Ereference为基准温度时的超声散射回波能量，则组织超声散射回波能量的相对变化为：（Esignal－Ereference）／Ereference，利用该式计算超声散射回波能量的相对变化，可分析超声散射回波信号幅值相对变化与组织损伤程度的关系.

1.2 声衰减系数

生物组织的声衰减系数与组织成分、结构及状态有密切关系［10］.超声波在生物组织中的衰减系数大致为频率的指数函数，HIFU源击打猪肉组织后返回的两个界面反射回波设为y1（t）和y2（t），则有

对式（1）取功率谱，则

由此可计算出衰减系数

由式（3）可知，通过计算前后界面回波功率谱对数的差即可求得某个频率对应的衰减系数.本文侧重分析中心频率（f＝3.5 MHz）分量的衰减特征.

1.3 BP神经网络

图1 BP神经网络结构Fig.1 The structure of BP neural network

BP神经网络是一种按误差反向传播算法训练的多层前馈网络，能学习和存贮大量的输入－输出模式映射关系，因其对训练对象具有很好的记忆功能和外推能力而获得广泛的应用.在BP网络的应用中，以图1所示的单隐层网络（即3层BP网）应用最为普遍.

BP神经网络模型拓扑结构包括输入层、隐含层和输出层，层与层之间全连接，每层内部任意两个节点互不相连，其神经元之间的传递函数为非线性函数，最常用的是logsig和tansig函数，有的输出层也采用线性函数（purelin）.BP网络输出为：q＝f（Wy＋b），其中f为传递函数，W为神经元之间连接的权值，b为阈值，BP网络的学习过程由信号的正向传播与误差的反向传播两个过程组成，在不断的学习过程中，网络间的连接权值W和阈值b不断得到修正，从而改变网络，达到预期的误差值.一般采用newff函数构建BP网络，其构建方式为

式中：net为构建的网络名，minmax（p）为输入数据的范围，hidden为隐含层节点数，outnum为输出层节点数，logsig为输入层与隐含层之间的传递函数，purelin为隐含层与输出层之间的传递函数，trainlm为训练函数，对于隐含层节点数目n，一般根据前人的经验，参照公式n＝＋a确定，ni为输入节点数，n0为输出节点数，a为1～10之间的常数.

2 实验系统设计

实验系统如图2所示，实验所用凹球面自聚焦HIFU换能器工作频率为1 319 k Hz，几何焦距为16 cm.B超探头工作频率为3.5 MHz，实验时采用去皮新鲜离体猪肉作为组织样本，置于HIFU换能器的正下方，相距8 cm.T型热电偶为铜－康铜材质，吸声大水槽四周和底部均装有吸声橡胶.

图2 实验装置示意图Fig.2 Schematic diagram of experimental set－up

实验进行时，吸声水槽的初始温度为30℃，组织初始温度为37℃，实验采用HIFU换能器单点手动控制连续击打猪肉组织，每次击打完毕后采集信号并切片对组织损伤程度进行鉴定，采样频率为20 MHz，将测温传感器一端插入组织，一端连接数字温度显示器，记录不同温度和组织损伤程度下对应的猪肉组织超声散射回波信号.B超设备以M模式工作，信号通过A／D转换送入计算机，通过改变HIFU源功率以及击打方式重复进行大量实验，然后用MATLAB自编程序对实验数据进行处理.

3 仿真与结果分析

3.1 信号预处理

表1 实验采用HIFU剂量及组织损伤级数Tab.1 HIFU dosage used in the experiment and its tissue damage degree

实验过程中保持测试条件不变，组织初始温度为37℃，即为基准温度.实验共采用了7种不同HIFU剂量，如表1所示.通过改变HIFU源功率、击打时间、击打间隔和击打次数，收集了194例离体猪肉组织经HIFU辐照后的超声散射回波信号，在每例实验结束后通过切片计算损伤区域对组织损伤程度进行鉴定，将损伤程度分为三级：一级损伤为无凝固性热损伤发生，二级损伤为产生热损伤但未达到治疗效果，三级损伤为过损伤，不同样本对应的HIFU剂量及组织损伤级数如表1所示.运用MATLAB编程对回波信号进行预处理，截取有效信号、去均值和溢出点，然后再从中提取超声散射回波能量和声衰减系数参量信息.

3.2 基于单个参数的HIFU损伤级辨识

从194组样本数据中随机选取80组组织样本的超声散射回波能量和声衰减系数相对值分别作为训练样本，根据第二章所介绍的构建BP神经网络的方法，构建3层BP神经网络进行模式识别.作为输入层与隐含层之间的传递函数，纯线性函数（pruelin）作为隐含层和输出层的传递函数，目标向量为其对应的损伤级数.

训练完成后，将剩余114组组织样本（样本编号1～24为一级损伤组织、样本编号25～89为二级损伤组织、样本编号90～114为三级损伤组织）的超声散射回波能量和声衰减系数相对值分别输入到各自训练好的网络，对其损伤级数进行辨识，输出用1，2，3分别表示一级损伤、二级损伤及三级损伤.观察其输出值如图3，图4所示，图中“o”表示一级损伤，“＋”表示二级损伤；“＊”表示三级损伤，横坐标表示样本编号.

图3 基于回波能量的组织损伤级辨识Fig.3 Recognition of tissue damage degree based on echo energy

图4 基于声衰减系数的组织损伤级辨识Fig.4 Recognition of tissue damage degree based on attenuation coefficient

图3，图4中竖直线为一级损伤组织、二级损伤组织和三级损伤组织的样本分界线，比较两个参量对不同损伤级数样本的辨识效果，由图3，图4可知，针对一级损伤组织，基于回波能量的辨识效果较好（有5例被误判为二级损伤）；针对二级损伤组织，基于衰减系数辨识效果更好（5例被误判为一级损伤，2例被误判为三级损伤）；针对三级损伤组织，基于声衰减系数有更好的辨识效果（8例被误判为二级损伤）.114组组织样本损伤级数辨识正确的分别有88例、93例，总辨识率分别为77.2%和81.6%.

图5 基于双参数的组织损伤级辨识Fig.5 Recognition of tissue damage degree based on double parameters

3.3 基于双参数的HIFU损伤级辨识

为进一步提高生物组织损伤级数的辨识效果，结合超声散射回波能量和声衰减系数两个参量构建了3层BP神经网络进行模式识别.将上述80组样本的超声散射回波能量和声衰减系数相对值组成一个2＊80矢量矩阵作为训练样本，将其输入后进行学习，训练样本的目标向量为其对应的损伤级数，在经过132次训练后达到目标误差0.05.

训练完成后，同上，将剩余114组组织样本的超声散射回波能量和声衰减系数相对值输入到已经训练好的神经网络，观察其输出值，如图5所示，图中“o”表示一级损伤，“＋”表示二级损伤，“＊”表示三级损伤，图中竖直线为一级损伤组织、二级损伤组织和三级损伤组织的样本分界线，横坐标表示样本编号.

统计发现，采用训练好的神经网络进行组织损伤级数辨识，一级损伤组织（样本编号1～24）有4例被误判为二级损伤，二级损伤组织（样本编号25～89）有7例被误判（其中4例被误判为一级损伤，3例被误判为三级损伤），三级损伤组织（样本编号90～114）有4例被误判为二级损伤，114组组织样本损伤级数辨识正确的有99例，总的辨识率达到86.8%.实验表明，结合两个参量建立神经网络相对于仅使用某种特征参数而言对各级损伤组织的辨识率均有所提高，尤其在组织损伤严重时其优势更明显.

4 结 论

本文从信号处理的角度研究了HIFU治疗中组织损伤程度的监测方法，为HIFU治疗过程监控提供了一种新的思路.通过对194例新鲜离体猪肉组织在HIFU辐照前后获得的B超回波信号进行分析，研究发现，超声散射回波能量和声衰减系数各自都能反映组织损伤级的变化，综合超声散射回波能量和声衰减系数特征并输入BP神经网络可获得更好的辨识效果，尤其在组织损伤严重时优势更明显.通过监测HIFU治疗中生物组织的损伤情况，有助于及时调整HIFU治疗剂量，对HIFU疗效评价也能提供一定的参考.由于离体实验的低信噪比及样本数等局限，辨识效果会受到一定的影响，此研究结果应用于肿瘤治疗还需要获取更多的实验数据进行深入研究.

［1］ Christopher J H，Kames MP，Robert J E，et al.Advances in ultrasound［J］.Clinical Radiology，2002，57：157－177.

［2］ 钱祖文.高强度聚焦超声（HIFU）——一门多学科的研究课题［J］.物理，2007，36（9）：701－707.

Qian Zuwen.High intensity focused ultrasound——a comprehensive study［J］.Physics，2007，36（9）：701－707.（in Chinese）

［3］ 冯艳玲，陈真诚，何继善，等.基于支持向量机的高强度聚焦超声束损伤程度分类识别［J］.生物医学工程学杂志，2010，27（5）：978－983.

Feng Yanling，Chen zhencheng，He jishan，et al.Support vector machine based high intensity focused ultrasound beam lesion degree classification and recognition［J］.Journal of Biomedical Engineering，2010，27（5）：978－983.（in Chinese）

［4］ Sun Zhigang，Hao Ying.A multi－gate time－of－flight technique for estimation of temperature distribution in heated tissue：theory and computer simulation［J］.Ultrasonics，1999，37（6）：107－122.

［5］ Ren W，Sun Z.Structural damage identification by using wavelet entropy［J］.Engineering Structures，2008，30（10）：2840－2849.

［6］ 邹孝，钱盛友.一种基于B超图像处理的生物组织变性监测方法［J］.计算机工程与科学，2011，33（12）：57－60.

Zou Xiao，Qian Shengyou.A method to check biological tissue denaturation based on mode B ultrasonic image processing［J］.Computer Engineering and Science，2011，33（12）：57－60.（in Chinese）

［7］ Hou zhenxiu，Zhao Yongping，Chen Xinliang，et al.A study of three dimensional tumor figure creating and treatment trail in HIFU［J］.Journal of Harbin Institute of Technology（New Series），2006，13（3）：255－257.

［8］ 牛金海，张红煊，王鸿樟.基于离散随机介质平均散射声功率的无损测温方法［J］ .声学学报，2001，26（3）：247－251.

Niu Jinhai，Zhang Hongxuan，Wang Hongzhang.Noninvasive temperature estimation in biotissue as a discrete random medium based on backscattered average ultrasonic power［J］.Acta Acustica，2001，26（3）：247－251.（in Chinese）

［9］ 牛金海，周世平，王鸿樟.基于超声散射回波功率谱的热疗无损测温模型［J］.声学学报，2002，27（2）：185－190.

Niu Jinhai，Zhou Shiping，Wang Hongzhang.The model of noninvasive temperature estimation based on ultrasound scattering spectrum in hyperthermia［J］.Acta Acustica，2002，27（2）：185－190.（in Chinese）

［10］ Wang Xingguo，Chang Junjie，Shan Yingchun，et al.Measurement of attenuation of ultrasonic propagating through the thin layer media with time delay spectrum［J］.Chinese Journal of Mechanical Engineering，2010，23（1）：129－134.