目的为了提高超声零差K成像高山评估的性能，提出了一种基于经验模态分解的超声背向散射零差K成像高山评估方法。采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。方法首先对43座临床肝纤维化（F0＝14，F1=10，F2=6，F3=2，F4＝11）的超声后向散射信号进行经验模态分解，然后对分解后的第一特征模函数和第二特征模函数进行包络检测，滑动窗口和零差K模型参数估计为了计算零差K模型参数k和感兴趣区域内的矩阵，通过扫描变换得到零差k参数图像。最后，利用参数K和K对肝纤维化进行了评估。结果利用经验模式分解技术提高了肝纤维化的影像诊断性能。在诊断肝纤维化F1是否有肝纤维化时，参数K明显增加，受试者工作特征曲线境内的平均面积增加到0.68。在诊断肝纤维化F1级时，受试者工作特征曲线境内的平均面积增加到0.82。结论经验模式分解技术有效地降低了肝实质等非目标后向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，在判断是否存在肝纤维化方面具有最佳性能。从肝纤维化的评价效果来看，该参数优于k参数。