基于改进K-Means的腹内脂肪自动定量检测算法

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.通过分析人体腹部磁共振(MR)图像中脂肪成像的特点,提出一种无监督的腹部脂肪自动检测算法.该算法运用SLIC算法对腹部磁共振图像进行预处理,生成超像素;然后用泛洪填充算法进行背景剔除,再将改进的K-means算法用于脂肪区域与非脂肪区域以及皮下脂肪与内脏脂肪的自动分割;最后基于分割结果实现对腹部脂肪的定量分析.实验结果表明,文中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,其准确率得到了有效的提高.

关键词：脂肪检测、磁共振图像、图像处理、图像分割、SLIC算法、K-means算法

所属期刊栏目：29

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61572316, 61133009;国家高技术研究发展计划2015AA015904;浙江大学 CAD&CG 国家重点实验室开放课题A1401;中国科学院自动化研究所模式识别国家重点实验室开放基金;澳门大学科研基金MYRG150Y3-L2/FST11/WW

在线出版日期：2017-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：575-583