专家论坛 | 于杰:超声新技术在肝癌诊疗中的应用
发布时间:2026-06-24   
图片

来源:中华肝脏病杂志

引用本文

蔡倩, 于杰. 超声新技术在肝癌诊疗中的应用 [J]. 中华肝脏病杂志, 2026, 34(6):511-518. DOI: 10.3760/cma.j.cn501113-20260312-00105.


通信作者:

于杰,中国人民解放军总医院肿瘤医学部



专 家 简 介

图片

于 杰 教授


  • 中国人民解放军总医院

  • 主任医师、教授、博导

  • 原国家杰出青年科学基金、国家优秀青年科学基金获得者,国家万人计划青年拔尖人才获得者,北京市杰出青年科学基金项目获得者

  • 兼任中华医学会超声分会副主委、中国医师协会介入超声专委会副主委、北京医学会超声分会青委副主委等职

  • 承担国家自然科学基金重点、科技部“十三五”、“十四五”国家重点研发计划专项子课题

  • 以第一/通讯作者在Lancet digital health、Gut、 J Hepatology Radiology、Hepatology等发表SCI论文>90篇

  • 获五洲女子科技奖科研创新奖、中国发明协会发明创业奖创新奖一等奖、广东省科技进步一等奖、医师协会“介入杰出青年学者”和“全国介入新锐”荣誉



 摘  要 

原发性肝癌(以肝细胞癌和肝内胆管癌为代表)是临床常见且死亡负担沉重的肝脏恶性肿瘤,疾病异质性强,诊断分层与疗效评估高度依赖影像学。其中,超声凭借实时、分辨率逐步提高及对血流灌注等多参数信息动态评估的优势,正随着一系列新技术快速发展而不断拓展其在肝癌诊疗链条中的应用场景。近年来,微血流成像、超分辨率超声、三维多参数对比增强超声、黏弹性与频散成像等技术快速发展,使肝癌相关的血流、灌注与力学信息获取更精细;与此同时,融合导航与人工智能辅助等工作流技术推动介入过程定位、量化、评估更为精准可视,并为进一步引入以数字孪生为代表的闭环仿真与决策支持框架提供基础。该文围绕肝癌诊断与治疗两大关键环节,系统梳理上述超声新技术的临床价值、适用场景与局限,并对标准化、多中心验证与工作流整合等方向进行展望,以期为临床实践与研究设计提供参考。


肝癌的诊疗链条覆盖高危人群筛查、可疑结节发现、影像分层诊断以及局部/系统治疗决策等关键环节。超声因无电离辐射、床旁可及且可实时成像,长期作为筛查与介入治疗的首选影像工具,也是经皮穿刺与消融过程中最常用的实时引导手段。然而,传统超声仍受组织对比度不足、声窗受限及操作者依赖性影响,在小病灶检出、边界界定、定性诊断、残余/复发灶识别与疗效评估等环节易受限制。基于此,新一代超声技术沿着“血管表型(微血流/微血管结构)—灌注动力学[超声造影(contrast-enhanced ultrasound,CEUS)定量 ]—力学表型(黏弹性/频散)—导航(融合/追踪/必要时机器人辅助)—智能[人工智能(artificial intelligence,AI)定量与决策支持]”的信息链条持续升级[1-7]。这些技术共同促进对“多维异构信息”(形态、血流、灌注、力学及过程数据)的量化整合,为分层诊断、疗效评估与介入决策提供更一致、可追溯的依据。




一、诊断新技术:从形态学到多参数评估

1. 微血管显像∶从“无造影剂微血流”到“造影剂超分辨”:肝癌在发生和发展过程中伴随显著的血管生成增强、微循环结构重塑及供排血通路的阶段性改变,从而形成不同的血供特征与血管学影像表型。上述表型与微血管侵犯、肝内播散/转移风险相关,并可能影响经动脉治疗及抗血管生成等治疗策略选择[8-9]。然而,常规彩色/能量多普勒受速度阈值与组织运动杂波限制,往往难以稳定显示微细血管及慢速微循环血流,因此“微血管显像”技术应运而生。现阶段微血管显像主要包括两条路线:无造影剂的微血流成像(microvascular flow imaging,MVFI)与造影剂辅助的超分辨率超声(super-resolution ultrasound,SRUS)。两者均用于微血管可视化,但在分辨率上限、参数化能力与流程复杂度方面存在本质差异。


在肝癌评估中,MVFI 依托超快采集结合时空杂波抑制、去噪与伪影控制等算法进步,可在运动背景下更稳定保留深部慢速微血流信号,并推动血管密度等半定量指标的输出尝试[10-11]。基于此,MVFI的核心价值在于无造影剂的血管表型增强:无需造影剂即可更清晰显示病灶内/周边血管走向、分支及相对血流分布,提升异常肿瘤性供血的检出并作为进一步检查的线索[12]。值得注意的是,近期研究开始把 MVFI 从“看得更清楚”推进到“量化读出”:例如基于超微血流成像的血管化模式与血管化指数在区分肝细胞癌(hepatocellular carcinoma,HCC)与其他恶性肝占位方面显示出较好的诊断性能与一致性,为“ 血管表型量化”提供了新证据[13]。此外,MVFI 也可与 CEUS 形成互补:有病例研究在仑伐替尼治疗前后采用 CEUS 观察灌注变化、同时用超微血流成像追踪肿瘤血管减少过程,提示其可辅助评估血管重塑并支持后续转化治疗决策[14]。治疗后评估方面,研究显示其在经动脉化学治疗栓塞治疗后24 h 对瘤内残余血流的检出敏感度为 86.84%,显著高于常规彩色多普勒的 10.53%(P<0.001)与能量多普勒的 36.84%(P<0.001)[2]。这一时间点属于术后极早期,且检查可在超声室或病区以超声设备完成,因而适用于早期床旁复评以提示是否存在残余血供并辅助后续处理。


相比之下,SRUS 并非在多普勒框架内“看得更敏感”,而是将微泡作为可定位、可追踪的点目标,从而在传统衍射极限之外重建连续的微血管树[15-16]。现有研究已在肝脏局灶性病变中实现多参数微血管重建,提示 HCC、转移瘤与局灶性结节性增生等病灶存在可区分的微血管结构与血流模式;同时,约10 s 数据即可在 8.6 cm 成像深度下检出直径约128 μm 的微小血管,提示其具备较强的深部微血管可视化能力[17]。除高分辨率可视化外,SRUS 还可输出血管密度、分支复杂度/迂曲度、灌注相关指标及血流方向/速度等结构-功能参数,为肿瘤异质性表征、疗效评估与残癌识别提供潜在的定量影像标志物,并可作为复发风险研究的候选指标[17-20]。此外,基于相变纳米液滴等新型对比剂的超分辨率定位显微镜有望在不牺牲分辨率的前提下缩短采集时间,为临床流程整合提供新的材料学路径[21-22]。


总体而言,MVFI 与 SRUS 在肝癌微循环评估中更可能呈互补关系:前者强调无造影剂条件下的可及性与可重复,后者强调微血管网络的超分辨结构与参数化表征。下一步亟须围绕采集协议、运动校正与参数定义建立可迁移的标准,并在多中心队列中验证其与病理侵袭性特征及临床终点(残余、复发、疗效)的稳定关联。


2. 三维/多参数 CEUS∶把“灌注”立体化、量化,把“功能/分子信息”可视化:三维 CEUS 在二维基础上补充了空间维度,可在一定程度上减少切面依赖,更直观呈现肿瘤供血与灌注分布的三维空间关系,尤其有助于观察病灶内部及周边的灌注异质性与血管结构走向[23-24]。在形态不规则、灌注分布不均或血供来源复杂的病灶中,三维 CEUS 提供的立体信息可降低“单一切面信息不足”带来的判断偏差,并为介入治疗中的活性区域定位与边界控制提供更完整的空间参照。


除“立体化”之外,CEUS 的另一项关键进展是在标准化后处理框架下实现多参数定量与可重复随访。以 VueBox 等离线动态 CEUS 定量分析平台为代表,相关软件可对动态序列进行线性化与曲线拟合,生成像素级参数图,并集成运动校正与结构化报告输出。这使灌注表型更易在不同设备与多中心场景中落地,并有助于疗效评估与长期随访中的复测一致性控制[25]。例如,针对结直肠癌肝转移灶,已有双中心研究基于治疗前的动态 CEUS 定量指标构建疗效预测模型,并在独立测试队列中验证其对一线化学治疗联合贝伐珠单抗客观缓解的预测能力[26];在晚期肝内胆管癌系统治疗的研究中 ,患者根据1 年时点的改良 RECIST 标准分为应答组与非应答组;治疗 2 个月时,应答组的灌注曲线表现为强化变慢、峰值降低(达峰时间延长、峰值增强下降),同时多项洗入与洗出相关参数明显下降;而非应答组则呈强化更快,关键灌注参数仅轻度下降。上述治疗早期的“参数变化轨迹”存在显著组间差异,提示动态对比增强超声的定量分析具有用于早期、客观评估系统治疗反应的潜在价值[27]。


在对比剂层面,肝特异性微泡造影剂全氟丁烷可形成后血管期/吞噬相(库普弗相),为慢性肝病/肝硬化人群的病灶检出与鉴别提供更长时间窗与更稳定的病灶—背景对比,相关共识/指南已将其列为重要应用场景[5,28-30]。更进一步,分子 CEUS 通过在微泡(或纳米泡)表面进行靶向修饰,将评估维度从“灌注”延伸至“分子表达/受体可及性”。除血管内皮生长因子受体 2 靶向微泡(如 BR55)在肝癌动物模型中用于肿瘤血管分子表征与血管生成活性评估外[31-32],近年亦出现更多面向肝癌生物学的靶点探索:例如 B7-H3 靶向微泡可在肝癌模型中实现肿瘤相关信号富集,并用于增强高强度聚焦超声消融及观察免疫反应改变[33];C-X-C 趋化因子受体 4 靶向微泡则与化学治疗/抗程序性死亡配体 1 等联合策略相结合,用于肝肿瘤分子成像与治疗反应评估[34];此外,面向肝癌细胞特异分子(如磷脂酰肌醇蛋白聚糖 3)的靶向纳米泡/相变体系也用于超声可视化与治疗增敏探索[35]。分子 CEUS 正在从“血管生成表征”逐步拓展到“肿瘤细胞/微环境标志物”层面的分子分型与疗效监测候选工具。


3. 黏弹性与频散成像∶从“单一硬度”走向“硬度+黏性”的力学表型:剪切波弹性成像(shear wave elastography,SWE)主要提供“硬度/弹性”信息;在此基础上,剪切波黏弹性/频散成像利用剪切波速度随频率变化这一现象,引入与“黏性”相关的增量读出,其中典型指标为剪切波频散(shear wave dispersion,SWD)及其频散斜率[36]。SWD 的频散斜率描述速度-频率关系的变化幅度,可作为黏性相关替代指标;若采用黏弹性模型(如 Voigt 模型)拟合,还可估算黏度相关参数,从而形成“ 弹性+黏性”的组合表征[36-37]。


这类信息的价值首先体现在背景肝的力学量化:在拟行肝切除的 HCC 人群中,SWD 指标与纤维化及炎症活动度相关。由于炎症可影响 SWE 读数,引入 SWD 等黏性相关信息有助于提高背景肝评估的稳定性,为术前风险评估提供补充[38]。在病灶诊断方面,黏弹性/频散参数与 SWE 联合也显示出增量价值:近期前瞻性研究提示,将 SWE 与 SWD/黏性信息联合建模,可提升对局灶性肝占位(包括 HCC)良恶性及不同病变类型的区分能力[39]。


4. 多参数定量超声∶把“背景肝”纳入肝癌风险分层:肝癌诊疗离不开对背景肝的系统评估。其一是肝实质的结构/成分状态(脂肪变、炎症活动与纤维化/硬化),其二是功能与血流动力学状态(肝储备及门静脉高压相关环境);二者共同影响复发风险、治疗选择与并发症风险。多参数定量超声可将声衰减、声速等物理量转化为可重复的量化指标,并与弹性/黏弹性成像及造影超声共同构建“肿瘤—背景肝”的一体化评估框架[40-41]。此外,基于造影剂亚谐波信号的无创压力估计在临床研究中显示出识别门静脉高压及疗效分层的潜力,未来或可作为背景肝风险分层与介入策略选择的补充信息[42]。


在背景肝脂肪量化方面,超声引导衰减参数与超声推导脂肪分数可在二维图像上直接输出脂肪相关参数图/数值,并已在大样本或前瞻性研究中与磁共振成像脂肪分数对照验证其一致性与分级能力[43-44];相关研究亦在代谢相关人群(如合并 2 型糖尿病)中证实其临床可用性,为肝癌患者常见的代谢性背景肝评估提供了方法学基础[45]。肝癌患者常呈病毒性与代谢性因素交织,脂肪定量阈值与判读可能存在病因差异;近期研究提示在代谢性人群中将衰减系数与临床变量联合可提升分层效果,且多中心数据支持其在有/无乙型肝炎病毒感染人群中具有相对稳定的判别性能[46-47]。


5.AI 与放射组学∶把“经验”变成“可复制的模型”:超声在肝癌筛查与肝占位评估中具有实时、床旁与可动态观察的优势,但其诊断表现容易受操作者经验、扫查切面与设备参数差异影响,导致同一病灶在不同医生与不同设备间的可重复性不足。AI 方法(以深度学习为代表)在超声中的应用,并非“再造一个诊断者”,而是将扫查过程中累积的时空信息转化为可验证、可迁移的结构化输出,以支撑“检出—分型—风险评估”的标准化流程。


在近期发表的肝结节超声 AI 综合评述中[48],灰阶与 CEUS 两类证据被系统对照:灰阶模型以形态学与纹理等静态信息为主,适合普遍筛查与基础分型;CEUS 模型处理动态增强序列,可提取时相灌注与强化模式等功能信息,因此在多分类鉴别或高阶任务(分级、标志物/侵袭性预测等)中往往获得更高的判别性能。该评述汇总的多分类研究显示,灰阶AI 模型已可实现包含 HCC、胆管细胞癌及混合型肝癌在内的三分类判别(受试者操作特征曲线下面积约为 0.92、准确率约为 86%)[49];而在 CEUS 场景中,有多中心研究基于长程动态增强序列并融合临床信息构建模型,在外部验证队列中良恶性判别受试者操作特征曲线下面积可达 0.96,同时实现对肝占位的六分类鉴别并完成外部验证[3]。同时,该评述纳入的 105 项研究以单中心回顾性为主:仅 23 项使用多中心数据、15 项进行了外部验证,样本量 >1 000 者仅 17 项,提示模型跨中心泛化与稳定性方面仍受限。


在此基础上,近年肝癌相关研究正从“分类”走向“生物学表型与临床结局”预测:包括肝占位良恶性与多分类鉴别(覆盖 HCC、胆管细胞癌等关键类别的 CEUS 多分类模型)[3];进一步的工作尝试用CEUS深度学习放射组学术前评估 HCC 分化程度[50]、预测宏梁状-巨梁型等侵袭性亚型[51]、利用Sonazoid 造影剂的库普弗相放射组学前瞻性预测微血管侵犯[52],以及预测肝切除后早期复发风险[53]。同时,多模态“影像+临床变量”的融合建模与可解释框架开始被用于局部进展与侵袭性等关键终点的预测,并强调外部验证与可解释性,为临床转化提供必要条件。


下一阶段可重点推进标准化采集与标注(尤其视频级 CEUS 序列)、提升跨设备/跨中心域迁移鲁棒性,并在多中心前瞻性或真实世界队列中验证其临床效益。




二、治疗新技术:以更高确定性完成“精准消融”

1. 融合导航与智能引导∶让“看不清的病灶”可定位、可追踪:融合导航已被指南列为肝癌消融的重要影像引导辅助技术,有助于普通超声难以显示病灶的准确定位与穿刺引导[54-55]。但在实际应用中,其核心难题并不是“能不能融合”,而是配准误差与针尖不确定性:呼吸运动与组织形变可导致融合漂移;深部或窄声窗条件下,二维超声对针尖的空间定位确定性有限,针尖到位仍存在不确定性。因此,近年的进展更集中在以下两条“确定性增强”路线。


其一,运动补偿/可变形融合:让融合在呼吸形变下仍保持对准。传统刚性融合难以覆盖呼吸运动、探头压迫与组织形变带来的非刚性位移。近期更具代表性的升级路线是以可变形配准为核心,并结合引导式超声采集与自适应约束来提高肝脏 CT/超声(或磁共振/超声)配准的稳定性与精度,使融合从“叠图显示”推进到“误差可控的配准流程”,从而提升术中复扫定位与靶向稳定性[56]。


其二,针尖确定性增强:以“针显影增强+追踪定位”为主线。针显影增强通常通过波束转向/多角度发射与图像处理(降噪、线状结构增强等)提高针体连续性与针尖可辨识度,并可叠加针尖检测/跟踪算法降低判读波动[57-60]。当仅依赖二维可见性仍难以满足到位确认时,可引入电磁追踪输出针尖三维位置与轨迹;在靶点隐匿或难以稳定显影时,亦可采用标记点思路(导航系统标记点功能或先行放置定位标记),把“看见病灶”转化为“跟踪标记/轨迹”,提高进针与复扫复位的确定性[61-62]。


2. 介入超声机器人:将“稳定、精准、可复现”固化为执行端能力:介入超声机器人对消融的增量更应理解为“执行端稳定化”,而不是“替代操作者”。现阶段更可落地的多为协作式机器人/导航机械臂:医生负责靶点选择、入路策略与能量设定,系统侧重点放在针路执行的稳定性(角度复现、轨迹保持、毫米级微调与抗抖动),因此更容易在 3 类场景体现收益:其一,深部靶点、肋间窄声窗或贴近危险结构时减少反复试探与调整;其二,多针/多点消融时提高针位复现与协同效率;其三,教学与跨操作者一致性场景下促进“标准化执行”。


从证据层面看,系统综述提示机器人/导航辅助的肝肿瘤经皮消融总体可改善靶向精度与过程稳定性,但不同平台、不同引导模式(CT/超声/融合)与评价口径差异较大,仍需围绕“执行端硬指标”(如针位误差、重复调整次数、到位时间、路径偏差等)建立更一致的比较框架[63]。对超声引导场景,更现实的路径是把机器人作为“执行模块”嵌入超声工作流:由超声承担实时监控与边界判断,机器人承担针路稳定与复现,并以“人机协作、可随时接管”的方式优先在高难场景验证临床收益[64]。


在技术形态上,机器人介入系统正向“多模态融合+呼吸运动补偿+半自动执行控制 ”的一体化方向演进:例如“机器人锥形束 CT+机器人超声”协同系统用于提升自动标定与空间配准精度;基于实时 CT 与超声融合的半自动穿刺系统在预临床评估中集成了路径规划、呼吸补偿与执行控制;以及基于实时三维超声-CT 融合的半自动穿刺机器人已完成临床评估,提示其在真实手术环境中具有一定的稳定性与准确性[65-67]。截至 2026 年 2 月,依据国家药品监督管理局公开批准信息,国内已有多款胸腹部介入诊疗相关Ⅲ类产品获得注册并具备临床准入;其中,有 3 款系统集成了超声导航功能,提示相关介入导航/机器人辅助技术正逐步进入规范化临床应用阶段。


3. 从“操作工具”到“闭环系统”:智能化治疗决策:下一阶段超声介入更可能呈现“闭环化”特征:术前把靶点、风险结构与预期安全边界转化为可执行的针路/能量方案;术中用导航与针尖确定性工具保证“到位”,再用造影超声与量化评估完成“边界是否够、是否残余”的即时评估;术后用结构化随访节点把残余/复发信号反馈到下一次策略。AI 在该闭环中的角色也正从“辅助识别”前移到“辅助决策”:例如近期基于造影超声与磁共振并融合临床变量的视觉转换器模型(HEROVision)用于复 发 HCC 人群中热消融与再次切除的个体化获益选择,提示 AI 可以直接参与“选策略”的上游环节[68]。在“选参数/控边界”的中游环节,数字孪生可作为一类“数据—模型双向耦合”的方法框架:以患者特异的影像重建与生物物理模型为核心,并与术中信息持续对齐,用于模拟个体化微波消融热场与覆盖范围,从而为术前预演与术中参数校正提供可计算抓手[69-70]。需要指出的是,数字孪生能否转化为临床工具,关键取决于模型保真度、实时更新与严格验证,以及数据同化与标准化链路是否可靠;相关方法论综述对这些共性瓶颈已有系统总结,可为医学场景的验证与落地路径提供参考[71]。在显示与交互层面 ,增强现实/混合现实在头戴式显示设备中叠加术前模型与规划信息 、术中超声及针轨迹(可结合追踪实现空间对齐),用于降低空间理解与视线切换负担,辅助规划、执行与核对;现有证据以综述与早期可行性研究为主,提示其可先以“显示增强/训练辅助”进入临床流程,并在高难场景逐步验证其增量价值[72-74]。因此 ,闭环系统能否落地 ,取决于过程指标与终点定义的统一以及数据的结构化记录与共享,从而支撑跨操作者、跨中心的流程复制与效果评估。




三、展望与结语

总体而言,超声新技术正推动肝癌诊疗从“以形态学为主的经验判读”走向“多参数、可量化、智能化”的综合评估。诊断层面,MVFI 与 SRUS 强化了微循环表征,三维与动态定量造影增强超声提升了灌注评价的空间维度与随访一致性,黏弹性/频散与多参数定量超声则使背景肝的力学与成分信息更可量化并服务于风险分层。治疗层面,融合导航、针尖确定性增强、机器人辅助与造影复核等工作流技术正在把“精准消融”从依赖个人经验的操作,推进为更可控的流程化执行。与此同时,AI 与放射组学不仅用于将灰阶、造影与随访序列中的时空信息转化为结构化读出以支撑分型与风险评估,也开始向治疗策略选择与参数规划等决策环节延伸,为个体化治疗提供模型支持。


下一阶段的重点应围绕采集与后处理标准化、指标定义与跨设备/跨中心可比性开展多中心验证,并进一步明确这些指标与肿瘤病理侵袭性特征及临床终点(残留、复发、疗效、并发症风险)的稳定关联与增量价值。同时,新技术需要更好嵌入“检出—分型—决策—评估—随访”的日常路径,以结构化记录与可追溯复盘提升可复制性。总体上,只有当“新指标—新流程—新证据”形成闭环,超声新技术才能从前沿展示走向可推广的临床收益,并在肝癌分层诊断与精准治疗中发挥更确定的价值。





参考文献

[1] Inzerillo A, Meloni MF, Taibbi A, et al. Loco-regional treatment of hepatocellular carcinoma: role of contrast-enhanced ultrasonography[J]. World J Hepatol, 2022, 14(5):911-922. DOI:10.4254/wjh.v14.i5.911.


[2] Oh S, Kwon H, Lim K, et al. The feasibility of early response evaluation using superb microvascular imaging one day after transcatheter arterial chemoembolization for hepatocellular carcinoma[J]. J Clin Ultrasound, 2023, 51(5): 866-875. DOI:10.1002/jcu.23449.


[3] Ding W, Meng Y, Ma J, et al. Contrast-enhanced ultrasound-based AI model for multi-classification of focal liver lesions[J]. J Hepatol, 2025, 83(2):426-439. DOI: 10.1016/j.jhep.2025.01.011.


[4] Li W, Liu Z, Cheng M, et al. Deep learning model integrating contrast-enhanced ultrasound spatiotemporal imaging with clinical data for the differential diagnosis between hepatocellular carcinoma and intrahepatic cholangiocarcinoma[J]. Radiol Med, 2026, 131(2):302-310. DOI: 10.1007/s11547-025-02132-6.


[5] Li Y, Yu XL, Jing X, et al. Non-invasive Kupffer-CEUS enhances the accuracy of focal liver lesions diagnosis in patients with liver cirrhosis or fibrosis: a prospective multicenter study from China[J]. Liver Cancer, 2025, 14(4):435-445. DOI: 10.1159/000543501.


[6] Zhang P, Zhou Q, Zeng Z. The impact of ultrasound contrast-enhanced fusion virtual navigation technology-guided microwave ablation and standard microwave ablation on the local tumor progression of hepatocellular carcinoma with unclear ultrasound images[J]. Eur J Med Res, 2025, 30(1):451. DOI: 10.1186/s40001-025-02608-1.


[7] Ding W, Wu J, Dou J, et al. Biologically explicable multimodal model predicting local tumor progression and tumor invasive‐ness of hepatocellular carcinoma[J/OL]. Hepatology, 2026,[2026-03-12]. DOI: 10.1097/HEP. 0000000000001678. [pub‐lished online ahead of print].


[8] Aziz MU, Eisenbrey JR, Deganello A, et al. Microvascular flow imaging: a state-of-the-art review of clinical use and promise[J]. Radiology, 2022, 305(2): 250-264. DOI: 10.1148/radiol.213303.


[9] Rhee H, Park YN, Choi JY. Advances in understanding hepatocellular carcinoma vasculature: implications for diagnosis,prognostication, and treatment[J]. Korean J Radiol, 2024, 25(10):887-901. DOI: 10.3348/kjr.2024.0307.


[10] Bartolotta TV, Taibbi A, Randazzo A, et al. New frontiers in liver ultrasound:from mono to multi parametricity[J]. World J Gastrointest Oncol, 2021, 13(10):1302-1316. DOI: 10.4251/wjgo.v13.i10.1302.


[11] Huang C, Song P, Trzasko JD, et al. Simultaneous noise suppression and incoherent artifact reduction in ultrafast ultrasound vascular imaging[J]. IEEE Trans Ultrason Ferroelectr Freq Control, 2021, 68(6):2075-2085. DOI: 10.1109/TUFFC.2021.3055498.


[12] Rónaszéki AD, Dudás I, Zsély B, et al. Microvascular flow imaging to differentiate focal hepatic lesions:the spoke-wheel pattern as a specific sign of focal nodular hyperplasia[J].Ultrasonography, 2022, 42(1):172-181. DOI: 10.14366/usg.22028.


[13] Aslan HS, Arslan M, Alver KH, et al. Role of superb microvascular imaging vascularity index values and vascularity patterns in the differential diagnosis of malignant liver lesions[J]. Abdom Radiol (NY), 2024, 50(6):2426-2439.DOI: 10.1007/s00261-024-04711-z.


[14] Ota Y, Aso K, Yokoo H, et al. Noninvasive visualization of tumor blood vessels within hepatocellular carcinoma by application of superb microvascular imaging to contrast-enhanced ultrasonography[J]. Diagnostics (Basel), 2024, 14(7): 678. DOI:10.3390/diagnostics14070678.


[15] Couture O, Hingot V, Heiles B, et al. Ultrasound localization microscopy and super-resolution: a state of the art[J]. IEEE Trans Ultrason Ferroelectr Freq Control, 2018, 65(8):

1304-1320. DOI: 10.1109/TUFFC.2018.2850811.


[16] Harput S, Christensen-Jeffries K, Ramalli A, et al. 3-D super-resolution ultrasound imaging with a 2-D sparse array[J]. IEEE Trans Ultrason Ferroelectr Freq Control, 2019,67(2):269-277. DOI: 10.1109/TUFFC.2019.2943646.


[17] Zeng QQ, An SZ, Chen CN, et al. Focal liver lesions: multiparametric microvasculature characterization via super-resolution ultrasound imaging[J]. Eur Radiol Exp, 2024, 8(1):138. DOI: 10.1186/s41747-024-00540-3.


[18] Smith CAB, Wilson H, Yan J, et al. Quantitative image markers of super-resolution ultrasound[J]. EBioMedicine,2026, 124:106108. DOI: 10.1016/j.ebiom.2025.106108.


[19] Lowerison MR, Huang C, Lucien F, et al. Ultrasound localization microscopy of renal tumor xenografts in chicken embryo is correlated to hypoxia[J]. Sci Rep, 2020, 10(1):2478.DOI: 10.1038/s41598-020-59338-z.


[20] Gao JY, Hou C. Progresses and clinical application of super-resolution ultrasound imaging: a narrative review[J]. Ultrasound J, 2025, 17(1):29. DOI: 10.1186/s13089-025-00432-6.


[21] Zhang G, Liao C, Hu JR, et al. Nanodroplet-based super-resolution ultrasound localization microscopy[J]. ACS Sens, 2023, 8(9):3294-3306. DOI: 10.1021/acssensors.3c00418.


[22] Dong F, An J, Zhang J, et al. Blinking acoustic nanodroplets enable fast super-resolution ultrasound imaging[J]. ACS Nano, 2021, 15(10): 16913-16923. DOI: 10.1021/acsnano. 1c07896.


[23] Dong FJ, Xu JF, Du D, et al. 3D analysis is superior to 2D analysis for contrast-enhanced ultrasound in revealing vascularity in focal liver lesions:a retrospective analysis of 83 cases[J]. Ultrasonics, 2016, 70:221-226. DOI: 10.1016/j.ultras.2016.05.007.


[24] Lu Y, Liu B, Zheng Y, et al. Application of real-time three-dimensional contrast-enhanced ultrasound using SonoVue for the evaluation of focal liver lesions: a prospective single-center study[J]. Am J Transl Res, 2018, 10(5):1469-1480.


[25] Dong Y, Koch JBH, Löwe AL, et al. VueBox for quantitative analysis of contrast-enhanced ultrasound in liver tumors[J]. Clin Hemorheol Microcirc, 2022, 80(4):473-486. DOI: 10.3233/CH-211261.


[26] Zhou BY, Liu H, Pu YY, et al. Quantitative analysis of pre-treatment dynamic contrast-enhanced ultrasound for assessing the response of colorectal liver metastases to chemotherapy plus targeted therapy: a dual-institutional study[J]. Abdom Radiol (NY), 2024, 49(2):414-424. DOI:10.1007/s00261-023-04055-0.


[27] Lu XY, Jiang J, Chen S, et al. Application of dynamic contrast enhanced ultrasound analysis in predicting early response to systemic therapy of intrahepatic cholangiocarcinoma[J]. Eur J Radiol, 2024, 175:111439. DOI: 10.1016/j.ejrad.2024.111439.


[28] Dietrich CF, Nolsøe CP, Barr RG, et al. Guidelines and good clinical practice recommendations for contrast enhanced ultrasound in the liver: update 2020-WFUMB in cooperation with EFSUMB, AFSUMB, AIUM, and FLAUS[J]. Ultraschall Med, 2020, 41(5):562-585. DOI: 10.1055/a-1177-0530.


[29] Lee JY, Minami Y, Choi BI, et al. The AFSUMB consensus statements and recommendations for the clinical practice of contrast-enhanced ultrasound using Sonazoid[J]. J Med Ultrasound, 2020, 28(2):59-82. DOI: 10.4103/jmu.Jmu_124_19.


[30] Jeong WK, Kang HJ, Choi SH, et al. Diagnosing hepatocellular carcinoma using Sonazoid contrast-enhanced ultrasonography: 2023 guidelines from the Korean Society of Radiology and the Korean Society of Abdominal Radiology[J]. Korean J Radiol, 2023, 24(6): 482-497. DOI: 10.3348/kjr.2023.0324.


[31] Baron Toaldo M, Salvatore V, Marinelli S, et al. Use of VEGFR-2 targeted ultrasound contrast agent for the early evaluation of response to sorafenib in a mouse model of hepatocellular carcinoma[J]. Mol Imaging Biol, 2015, 17(1):29-37. DOI: 10.1007/s11307-014-0764-x.


[32] Sugimoto K, Moriyasu F, Negishi Y, et al. Quantification in molecular ultrasound imaging: a comparative study in mice between healthy liver and a human hepatocellular carcinoma xenograft[J]. J Ultrasound Med, 2012, 31(12):1909-1916.DOI: 10.7863/jum.2012.31.12.1909.


[33] Xiong X, Zhou H, Xu X, et al. Ultrasound molecular imaging enhances high-intensity focused ultrasound ablation on liver cancer with B7-H3-targeted microbubbles[J]. Cancer Med,2024, 13(20):e70341. DOI: 10.1002/cam4.70341.


[34] Qiu YJ, Cao JY, Liao JH, et al. CXCR4-targeted ultrasound microbubbles for imaging and enhanced chemotherapy/immunotherapy in liver cancer[J]. Acta Biomater, 2025, 197:416-430. DOI: 10.1016/j.actbio.2025.03.018.


[35] Zhang J, Luo X, Yang X, et al. Ultrasound-responsive nanodelivery system of GPC3-targeting and sonosensitizer for visualized hepatocellular carcinoma therapy[J]. Int J Nanomedicine, 2024, 19:7015-7031. DOI: 10.2147/IJN.S470847.


[36] 王婷婷,任新平 . 剪切波频散成像在肝脏疾病诊断中的应用进展 [J]. 临床 超 声 医 学 杂 志 , 2025, 27(2): 170-173. DOI:10.3969/j.issn.1008-6978.2025.02.016.


[37] Rouze NC, Deng Y, Trutna CA, et al. Characterization of viscoelastic materials using group shear wave speeds[J]. IEEE Trans Ultrason Ferroelectr Freq Control, 2018, 65(5):780-794.DOI: 10.1109/TUFFC.2018.2815505.


[38] Wang K, Yu D, Li G, et al. Comparison of the diagnostic performance of shear wave elastography with shear wave dispersion for pre-operative staging of hepatic fibrosis in

patients with hepatocellular carcinoma[J]. Eur J Radiol, 2022,154:110459. DOI: 10.1016/j.ejrad.2022.110459.


[39] Qiu T, Zhou R, Li J, et al. Ultrasound shear wave viscoelastic imaging combined with shear wave elastography for characterization of focal liver lesions[J]. J Biomech, 2025,194:113073. DOI: 10.1016/j.jbiomech.2025.113073.


[40] Ferraioli G, Barr RG, Berzigotti A, et al. WFUMB guideline/guidance on liver multiparametric ultrasound: part 1. Update to 2018 guidelines on liver ultrasound elastography[J]. Ultrasound Med Biol, 2024, 50(8):1071-1087. DOI: 10.1016/j.ultrasmedbio.2024.03.013.


[41] Zhang LX, Dioguardi Burgio M, Vilgrain V, et al. Quantitative ultrasound and ultrasound-based elastography for chronic liver disease: practical guidance, from the AJR special series on quantitative imaging[J]. AJR Am J Roentgenol, 2024, 225(1):e2431709. DOI: 10.2214/AJR.24.31709.


[42] Gupta I, Fenkel JM, Eisenbrey JR, et al. A noninvasive ultrasound based technique to identify treatment responders in patients with portal hypertension[J]. Acad Radiol, 2021, 28 Suppl 1:S128-S137. DOI: 10.1016/j.acra.2020.11.023.


[43] Imajo K, Toyoda H, Yasuda S, et al. Utility of ultrasound-guided attenuation parameter for grading steatosis with reference to MRI-PDFF in a large cohort[J]. Clin Gastroenterol Hepatol,2022, 20(11):2533-2541.e7. DOI: 10.1016/j.cgh.2021.11.003.


[44] Kubale R, Schneider G, Lessenich CPN, et al. Ultrasound-derived fat fraction for hepatic steatosis assessment: prospective study of agreement with MRI PDFF and sources of variability in a heterogeneous population[J]. AJR Am J Roentgenol,2024, 222(6):e2330775. DOI: 10.2214/AJR.23.30775.


[45] Dioguardi Burgio M, Castera L, Oufighou M, et al.Prospective comparison of attenuation imaging and controlled attenuation parameter for liver steatosis diagnosis in patients with nonalcoholic fatty liver disease and type 2 diabetes[J].Clin Gastroenterol Hepatol, 2024, 22(5):1005-1013.e27. DOI:10.1016/j.cgh.2023.11.034.


[46] Li XQ, Cheng GW, Akiyama I, et al. Attenuation imaging:diagnostic differences in hepatic steatosis for chronic hepatitis B vs metabolic dysfunction-associated steatotic liver disease patients[J]. World J Gastroenterol, 2025, 31(11):102795. DOI:10.3748/wjg.v31.i11.102795.


[47] Liu F, Bi M, Jing X, et al. Multiparametric US for identifying metabolic dysfunction-associated steatohepatitis:a prospective multicenter study[J]. Radiology, 2024, 310(3): e232416. DOI:10.1148/radiol.232416.


[48] Yu X, Song Z, Chang X, et al. Artificial intelligence in ultrasound diagnosis of liver nodules:a comprehensive review of B-mode and contrast-enhanced applications[J]. Adv

Ultrasound Diagn Ther, 2025, 9(4): 326-346. DOI: 10.26599/AUDT.2025.250098.


[49] Chen J, Zhang W, Bao J, et al. Implications of ultrasound-based deep learning model for preoperatively differentiating combined hepatocellular-cholangiocarcinoma from hepatocellular carcinoma and intrahepatic cholangiocarcinoma[J]. Abdom Radiol (NY),2023, 49(1):93-102. DOI: 10.1007/s00261-023-04089-4.


[50] Qin X, Hu X, Xiao W, et al. Preoperative evaluation of hepatocellular carcinoma differentiation using contrast-enhanced ultrasound-based deep-learning radiomics model[J]. J Hepatocell Carcinoma, 2023, 10:157-168. DOI: 10.2147/JHC.S400166.


[51] Lu D, Qin C, Wang LF, et al. B-mode ultrasound and contrast-enhanced ultrasound-based radiomics interpretable analysis for the prediction of macrotrabecular-massive subtype of hepatocellular carcinoma[J]. Ultrasound J, 2025,17(1):53. DOI: 10.1186/s13089-025-00452-2.


[52] Dong Y, Zuo D, Qiu YJ, et al. Preoperative prediction of microvascular invasion in hepatocellular carcinoma based on Kupffer phase radiomics features of Sonazoid contrast-enhanced ultrasound: a prospective study[J]. Clin Hemorheol Microcirc,2022, 81(1):97-107. DOI: 10.3233/CH-211363.


[53] Liu D, Yang K, Zhang C, et al. Deep learning with contrast-enhanced ultrasound for preoperative prediction of early recurrence in hepatocellular carcinoma after hepatectomy[J]. J Multidiscip Healthc, 2025, 18:6829-6841. DOI: 10.2147/JMDH.S555110.


[54] 中华医学会超声医学分会, 中国研究型医院学会肿瘤介入专业委员会 . 影像引导原发性肝癌消融指南(2023 版)[J]. 中华肝脏病杂志 , 2024, 32(2): 97-112. DOI: 10.3760/cma.j.cn501113-20240108-00017.


[55] 中华人民共和国国家卫生健康委员会医政司 . 原发性肝癌诊疗指南 (2026 年版)[J]. 中华消化外科杂志, 2026, 25(4):423-482.DOI:10.3760/cma.j.cn115610-20260409-00187.


[56] Saeed SU, Ramalhinho J, Montaña-Brown N, et al. Guided ultrasound acquisition for nonrigid image registration using reinforcement learning[J]. Med Image Anal, 2025, 102:103555. DOI: 10.1016/j.media.2025.103555.


[57] Uppal V, Sondekoppam RV, Ganapathy S. Effect of beam steering on the visibility of echogenic and non-echogenic needles: a laboratory study[J]. Can J Anaesth, 2014, 61(10):909-915. DOI: 10.1007/s12630-014-0207-9.


[58] Hovgesen CH, Wilhjelm JE, Vilmann P, et al. Echogenic surface enhancements for improving needle visualization in ultrasound: a PRISMA systematic review[J]. J Ultrasound Med, 2021, 41(2):311-325. DOI: 10.1002/jum.15713.


[59] Yan W, Ding Q, Chen J, et al. Learning-based needle tip tracking in 2D ultrasound by fusing visual tracking and motion prediction[J]. Med Image Anal, 2023, 88: 102847.DOI: 10.1016/j.media.2023.102847.


[60] Che H, Qin J, Chen Y, et al. Improving needle tip tracking and detection in ultrasound-based navigation system using deep learning-enabled approach[J]. IEEE J Biomed Health Inform,2024, 28(5):2930-2942. DOI: 10.1109/JBHI.2024.3353343.


[61] Papadopoulou M, Chlorogiannis DD, Moschovaki-Zeiger O,et al. Electromagnetic navigation system with a marker option for computed tomography-guided microwave ablation of undetectable or inconspicuous hepatic tumors in non-enhanced scans: a feasibility study[J]. Cancers (Basel), 2025, 18(1): 25.DOI: 10.3390/cancers18010025.


[62] Ringe KI, Pöhler GH, Rabeh H, et al. Electromagnetic navigation system-guided microwave ablation of hepatic tumors:a matched cohort study[J]. Cardiovasc Intervent Radiol, 2021,44(3):500-506. DOI: 10.1007/s00270-020-02761-6.


[63] Uribe Rivera AK, Seeliger B, Goffin L, et al. Robotic assistance in percutaneous liver ablation therapies:a systematic review and meta-analysis[J]. Ann Surg Open, 2024, 5(2):e406. DOI: 10.1097/AS9.0000000000000406.


[64] Sigdel M, Fang Y, Sun Z, et al. Robotic navigation-assisted percutaneous liver puncture:a pilot study[J]. Quant Imaging Med Surg, 2025, 15(2):1543-1554. DOI: 10.21037/qims-24-1584.


[65] Li F, Bi Y, Huang D, et al. Robotic CBCT meets robotic ultrasound[J]. Int J Comput Assist Radiol Surg, 2025, 20(6):1049-1057. DOI: 10.1007/s11548-025-03336-x.


[66] Zhang B, Chen K, Yao Y, et al. Semi-automatic puncture robotic system based on real-time multi-modal image fusion:preclinical evaluation[J]. Int J Comput Assist Radiol Surg,2025, 20(12):2479-2489. DOI: 10.1007/s11548-025-03471-5.


[67] Nakayama M, Zhang B, Kuromatsu R, et al. Real-time 3D US-CT fusion-based semi-automatic puncture robot system:clinical evaluation[J]. Int J Comput Assist Radiol Surg, 2025,20(9):1817-1827. DOI: 10.1007/s11548-025-03489-9.


[68] Zhang K, Ru J, Wang W, et al. Vision transformer-based model can optimize curative-intent treatment for patients with recurrent hepatocellular carcinoma[J]. Nat Commun, 2025,16(1):4081. DOI: 10.1038/s41467-025-59197-0.


[69] Servin F, Collins JA, Heiselman JS, et al. Simulation of image-guided microwave ablation therapy using a digital twin computational model[J]. IEEE Open J Eng Med Biol, 2023, 5:107-124. DOI: 10.1109/OJEMB.2023.3345733.


[70] Tao F, Qi Q. Make more digital twins[J]. Nature, 2019,573(7775):490-491. DOI: 10.1038/d41586-019-02849-1.


[71] Tao F, Zhang H, Zhang C. Advancements and challenges of digital twins in industry[J]. Nat Comput Sci, 2024, 4(3):169-177. DOI: 10.1038/s43588-024-00603-w.


[72] Evans M, Kang S, Bajaber A, et al. Augmented reality for surgical navigation: a review of advanced needle guidance systems for percutaneous tumor ablation[J]. Radiol Imaging Cancer, 2025, 7(1):e230154. DOI: 10.1148/rycan.230154.


[73] Spinczyk D, Rosiak G, Żyłkowski J, et al. Initial evaluation of a mixed-reality system for image-guided navigation during percutaneous liver tumor ablation[J]. Comput Med Imaging Graph, 2026, 128:102714. DOI: 10.1016/j.compmedimag.2026.102714.


[74] Salazar Carrasco L, Sánchez-Varo I, Caballero Jorna D, et al. System for assistance in ultrasound-guided percutaneous hepatic interventions using augmented reality: first steps[J].Healthc Technol Lett, 2025, 12(1):e12110. DOI: 10.1049/htl2.12110.



医脉通是专业的在线医生平台,“感知世界医学脉搏,助力中国临床决策”是平台的使命。医脉通旗下拥有「临床指南」「用药参考」「医学文献王」「医知源」「e研通」「e脉播」等系列产品,全面满足医学工作者临床决策、获取新知及提升科研效率等方面的需求。

本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容,不能以任何方式取代专业的医疗指导,也不应被视为诊疗建议。如该等信息被用于了解医学信息以外的目的,本平台不承担相关责任。本平台对发布的内容,并不代表同意其描述和观点。若涉及版权问题,烦请权利人与我们联系,我们将尽快处理。

图片


(本网站所有内容,凡注明来源为"医脉通",版权均归医脉通所有,未经授权,任何媒体、网站或个人不得转载,否则将追究法律责任,授权转载时须注明"来源:医脉通"。本网注明来源为其他媒体的内容为转载,转载仅作观点分享,版权归原作者所有,如有侵犯版权,请及时联系我们。)
1
收藏
添加表情
全部评论
我要投稿
发表评论
扫码分享

微信扫码分享

回到顶部