目的:针对传统超声背散射零差K模型参数估计方法存在复杂度较高的问题,提出一种基于神经网络的超声背散射零差K模型参数估计方法,并在此基础上提出一种基于神经网络的超声背散射零差K成像脂肪肝评价方法.方法:首先,利用蒙特卡罗仿真得到模拟的超声背散射包络信号样本,然后提取特征参数并输入到训练好的神经网络模型中,即可得到零差K模型参数的估计结果.其次,利用滑动窗口法估计窗口内局部背散射包络信号的零差K模型参数值,对零差K模型参数估计值矩阵进行扫描变换、颜色映射和感兴趣区域设置,将感兴趣区域内的参数图像叠加显示到B超图像中,实现超声背散射零差K成像.最后,通过计算机仿真实验验证基于神经网络的超声背散射零差K模型参数估计方法的估算精度,通过临床实验验证基于神经网络的超声背散射零差K成像评价脂肪肝的性能.结果:计算机仿真实验结果表明,基于神经网络的超声背散射零差K模型参数估计方法估计零差K模型lgα参数、k参数的相对均方根误差分别为0.505和0.408,相比传统估计方法整体上提高了估算精度.临床实验结果表明,基于神经网络的超声背散射零差K模型参数αNN、kNN诊断脂肪肝≥S1、≥S2、≥S3的AUC值分别为0.77、0.84、0.87和0.77、0.84、0.84,相比基于传统超声背散射零差K成像提高了脂肪肝评估性能.结论:提出的基于神经网络的超声背散射零差K成像脂肪肝评价方法能够较好地评估脂肪肝,可为定量超声评价脂肪肝提供一种新手段.