目的　为提高超声零差K成像评估肝纤维化的性能,提出基于经验模态分解的超声背散射零差K成像评估肝纤维化方法,利用经验模态分解技术,消除肝实质等噪声信号对肝纤维化信号的影响.方法　首先,将采集到的43例临床肝纤维化的超声背散射信号(F0=14,F1=10,F2=6,F3=2,F4=11)进行经验模态分解,然后分别将分解后的第一本征模态函数和第二本征模态函数经包络检测、滑动窗口、零差K模型参数估算等处理,计算得到感兴趣区域内的零差K模型参数k和α矩阵,通过扫描变换得到零差K参数图像,最后采用参数k和α对肝纤维化进行评估.结果　采用经验模态分解技术提高了超声零差K成像诊断肝纤维化的性能.参数k在诊断肝纤维化≥F1即有无肝纤维化时提高较为明显,平均受试者工作特征曲线下面积提高至0.68,参数α在诊断肝纤维化程度≥F1时,平均受试者工作特征曲线下面积提高至0.82.结论　经验模态分解技术有效减少了肝实质等非目标背散射信号对肝纤维信号的影响,提高了超声零差K成像检测肝纤维化的性能,并且在判别有无肝纤维化时性能最佳;在肝纤维化评估效果方面,参数α优于参数k.