基于深度学习的超声辅助诊断CHB合并NAFLD肝纤维化研究

1. 研究背景与意义

1.1 研究背景

1.1.1 CHB与NAFLD的流行现状

• 慢性乙型肝炎（CHB）和非酒精性脂肪性肝病（NAFLD）是我国最常见的两大肝病。
• 根据统计数据，CHB患者中合并NAFLD的概率约为15%，且呈现逐年增加趋势。
• NAFLD已成为我国第一大慢性肝病，CHB患者合并NAFLD的情况也越来越普遍。

1.1.2 肝纤维化的危害

• 肝纤维化是肝脏病变向肝硬化、肝癌等终末期肝病发展的关键阶段。
• CHB合并NAFLD患者肝纤维化的发生率更高，发展速度更快。
• 早期诊断肝纤维化对于治疗和预防CHB合并NAFLD患者的肝脏病变至关重要。

1.2 研究意义

1.2.1 提高诊断准确率

• 传统超声诊断CHB合并NAFLD患者肝纤维化的准确率较低，易受主观因素影响。
• 深度学习技术在图像识别和处理方面的优势，有助于提高诊断准确率。

1.2.2 辅助临床决策

• 肝组织穿刺检查具有创伤性，难以作为常规诊断手段。
• 深度学习模型可作为无创性诊断工具，辅助临床决策，降低穿刺检查的需求。

1.2.3 促进医工结合

• 深度学习技术在医疗领域的应用，有助于推动医工结合，促进医疗技术的创新和发展。

2. 研究方法与技术

2.1 研究对象与数据

2.1.1 研究对象

• 选取2019年6月至2022年12月期间经二维超声及FibroScan检查诊断为CHB合并NAFLD患者共2803例。
• 另选取具备肝脏病理穿刺结果的CHB合并NAFLD患者共150例用于模型验证。

2.1.2 数据处理

• 去除图像中的冗余信息，如病人信息、测量标尺等。
• 调整图像大小至224×224像素，并进行随机翻转、旋转、颜色抖动等数据增强操作。

2.2 模型构建与训练

2.2.1 模型选择

• 采用深度学习网络骨干为ResNet18，因其在大规模图像分类任务中表现优异。

2.2.2 特征提取与融合

• 对输入的每张二维声像图进行