基于改进K-means算法的腹内脂肪自动定量检测算法研究

摘要

检测肥胖病人腹部脂肪的分布及含量情况,判定腹型肥胖的种类,对评估和治疗糖尿病和心血管代谢等相关疾病有重要的临床价值.本文通过分析人体腹部磁共振(Magnetic Resonance,MR)图像中脂肪成像的特点,提出了一种无监督的腹部脂肪自动检测方法,该方法运用SLIC(Simple Linear Iterative Clustering)算法对腹部磁共振图像进行预处理,并提出了一种改进的K-means算法用于脂肪区域与非脂肪区域的自动分割,并自动地检测皮下脂肪与内脏脂肪的分布情况,实现对腹部脂肪的定量分析.通过验证实验及结果分析表明,本文所提出的腹部脂肪自动检测算法能精确地检测出腹部脂肪的含量,并能够区分脂肪的类别,相比以往的半自动或全自动算法,其准确率(精度:89.6％,召回率:92.1％,F1分数:90.8％)得到了有效地提高.