2. 超声图像质量评价体系

超声图像增强与伪影处理的效果，最终必须落到“图像质量是否变好”这一判断上。但超声图像质量并不是单一指标，而是由空间分辨率、对比度、信噪比、伪影水平以及临床可读性共同决定的。工程上常见的误区是：只盯着某一项指标优化，例如把图像锐化得很强，却同时放大了斑点噪声；或者把对比度拉得很高，却让弱回声结构被压掉。因此，本节建立一个可操作的评价体系，把客观指标与主观评估结合起来，用于指导增强算法和伪影抑制算法的调参与验收。

一、分辨率：轴向、横向与切片厚度

超声分辨率不是单一数值，至少包含轴向分辨率、横向分辨率和切片厚度（仰角方向）三个维度。轴向分辨率主要由脉冲带宽决定，近似为 Δz ≈ c / (2B)，其中 c 为声速（软组织约 1540 m/s），B 为换能器带宽。例如带宽 5 MHz 时，理论轴向分辨率约 0.15 mm。横向分辨率由波束宽度决定，在聚焦深度处最窄，偏离焦点会迅速变差。切片厚度则决定体层厚度，直接影响小病灶的对比度。

评价分辨率时，常用线靶、点靶或分辨率测试体模。工程上更实用的做法是：在增强前后分别测量点扩散函数（PSF）的半高宽（FWHM）。若增强后 FWHM 明显变窄，说明分辨率提升；若 FWHM 基本不变但图像“看起来更锐”，往往只是边缘增强带来的视觉错觉。需要注意，分辨率与噪声是耦合的：去噪过强会平滑掉高频细节，使 FWHM 变宽。

二、对比度与对比噪声比

对比度描述相邻组织回声强度差异，常用对比度 C = |μ_t − μ_b| / (μ_t + μ_b)，其中 μ_t、μ_b 分别为目标与背景区域的平均灰度。但仅看对比度不够，因为噪声也会被一起放大。更稳健的指标是对比噪声比 CNR = |μ_t − μ_b| / sqrt(σ_t² + σ_b²)，σ 为对应区域标准差。CNR 同时反映对比度和噪声，是评价增强算法最常用的客观指标之一。

实际测量时，应在同一帧、同一解剖位置选取目标区和背景区，区域大小一致，避开强反射界面和已知伪影区。例如在肝脏囊肿示例中，目标区取囊内均匀区，背景区取邻近肝实质，分别计算均值与标准差。若增强后对比度提高 20%，但标准差也提高 30%，CNR 反而下降，说明增强以噪声为代价，临床可读性未必改善。

三、信噪比与斑点噪声

超声图像中的斑点（speckle）不是随机噪声，而是相干成像的固有干涉结果，但它常被当作噪声处理。信噪比常用 SNR = μ / σ 在均匀区域计算。对斑点区域，更常用斑点信噪比或等效视数（ENL）：ENL = μ² / σ²。ENL 越高，斑点越平滑，但过高会损失纹理信息。因此去斑算法的评价不能只看 ENL，还要看边缘保持能力，例如边缘保持指数（EPI）或结构相似性（SSIM）。

工程上建议同时报告 ENL 与边缘保持指标，避免“越平滑越好”的误导。例如某去斑算法把 ENL 从 8 提升到 40，但边缘模糊、小血管消失，这种结果在临床上是不可接受的。

四、伪影量化指标

超声伪影种类多，量化方式也不同。常见伪影包括：声影、后方回声增强、混响、镜像伪影、旁瓣伪影、折射伪影和运动伪影。量化时可根据伪影特征选择指标：

• 声影与后方增强：测量目标后方区域与同深度背景的灰度比，比值偏离 1 的程度即伪影强度。
• 混响：在强反射界面后方测量周期性条纹的对比度和空间频率，条纹越强、越规则，混响越重。
• 镜像伪影：检测镜像区域与原区域的相关性，相关性越高说明镜像越明显。
• 旁瓣伪影：在无回声区测量旁瓣泄漏能量，常用旁瓣电平（dB）表示。

这些指标不必全部计算，而应根据本节任务选择 2～3 个关键伪影进行量化，并记录增强前后的变化。例如处理声影时，重点看后方灰度恢复程度；处理混响时，重点看条纹对比度下降幅度。

五、主观评估方法

客观指标不能完全替代临床判断。主观评估常用方法包括：双盲配对比较、五级 Likert 评分（1 差～5 优）、以及针对特定结构的可见性评分。评估维度通常包括：整体质量、细节可见性、对比度、噪声水平、伪影程度和诊断信心。评分应由 2 名以上有经验的医师独立完成，计算一致性（如 Kappa 系数）。

主观评估的关键是控制变量：同一帧、同一显示条件、随机顺序、隐藏算法信息。否则容易受到“知道用了新算法”的预期偏差影响。

六、评价流程与示例参数

下面给出一个可复用的评价流程示例，适用于增强或去伪影算法验收。示例参数为合理假设，实际使用时应根据设备与体模调整。

输入：同一原始射频/包络数据，增强前后各一帧
步骤：
1. 选取均匀区（肝实质）计算 SNR、ENL
2. 选取囊肿/病灶区计算对比度 C、CNR
3. 选取点靶计算 PSF 的 FWHM（轴向、横向）
4. 选取声影/混响区域计算伪影强度指标
5. 由 2 名医师独立进行 5 级 Likert 评分
6. 汇总：CNR 提升 ≥15%，ENL 提升 ≥20%，
   FWHM 不劣化 >10%，主观评分提升 ≥0.5 分
   视为通过；否则需重新调参

把上述五类指标组织成一张验收表，就能在算法迭代中形成可比较的记录。每次调整增强强度、去斑参数或伪影抑制阈值后，重新计算同一组指标，观察哪些指标改善、哪些指标退化，再决定是否接受该组参数。这样，图像增强与伪影处理就不再依赖主观感觉，而是有据可依的工程过程。