肝脏纤维化的早期发现,是进行及时干预治疗、阻止病情进一步恶化的关键。采用体素内不相干运动扩散加权成像技术,采集来自深圳市第三人民医院45名被试,包括26例健康志愿者与19例肝脏纤维化患者(4例F0期,5例F1期,3例F2期,7例F3-4期)的多b值IVIM影像数据。应用双指数参数拟合法,计算扩散参数,利用低b值IVIM图像,计算扩散衍生血管密度(Diffusion-derived Vessel Density,DDVD),比较不同组Dfast、Dslow、Pf与DDVD的差异,发现F0组的扩散参数高于健康志愿者,随着肝脏纤维化及纤维化程度逐渐加深,其扩散参数值呈逐渐降低的趋势,主要源于肝脏纤维化患者的肝脏水分子灌注与弥散效应均减弱。通过扩散参数散点图,进一步比较不同参数在区分健康志愿者和不同纤维化分期患者的能力,DDVD联合其它扩散参数,可以提升不同纤维化分期的区分度。论文还重点研究了肝区感兴趣区域(region of interest,ROI)的自动分割与应用影像特征进行纤维化检测问题。通过建立U-net模型,实现右叶肝脏区域的自动分割,分割模型的Dice值为0.9136。应用Ma Zda软件提取肝区ROI的灰度直方图、灰度绝对梯度、游程矩阵、灰度共生矩阵,以及自回归模型和小波变换等特征,应用支持向量机(Support Vector Machine,SVM)分类器进行纤维化检测。实验结果表明,基于ROI影像学特征的方法,在区分纤维化与健康志愿者方面的能力(准确率0.9,AUC 0.88～1.0,F1 0.86～0.89),优于扩散参数法(准确率0.7～0.8,AUC 0.38～0.75,F1 0.57～0.75),且基于U-net网络自动分割提取影像学特征的方法,检测肝脏纤维化的能力,优于人工勾画ROI法。研究证明,基于IVIM技术的扩散参数与影像特征信息,能有效地应用于肝脏纤维化检测,对早期肝脏纤维化的识别亦具有一定潜力。