【摘要】：檢測(cè)肥胖病人腹部脂肪的分布及含量情況,判定腹型肥胖的種類,對(duì)評(píng)估和治療糖尿病和心血管代謝等相關(guān)疾病有重要的臨床價(jià)值.通過分析人體腹部磁共振(MR)圖像中脂肪成像的特點(diǎn),提出一種無(wú)監(jiān)督的腹部脂肪自動(dòng)檢測(cè)算法.該算法運(yùn)用SLIC算法對(duì)腹部磁共振圖像進(jìn)行預(yù)處理,生成超像素;然后用泛洪填充算法進(jìn)行背景剔除,再將改進(jìn)的K-means算法用于脂肪區(qū)域與非脂肪區(qū)域以及皮下脂肪與內(nèi)臟脂肪的自動(dòng)分割;最后基于分割結(jié)果實(shí)現(xiàn)對(duì)腹部脂肪的定量分析.實(shí)驗(yàn)結(jié)果表明,文中算法能精確地檢測(cè)出腹部脂肪的含量,并能夠區(qū)分脂肪的類別,相比以往的半自動(dòng)或全自動(dòng)算法,其準(zhǔn)確率得到了有效的提高.
[Abstract]:Detecting the distribution and content of abdominal fat in obese patients and determining the types of abdominal obesity have important clinical value in the evaluation and treatment of diabetes mellitus and cardiovascular metabolism and other related diseases. An unsupervised automatic abdominal fat detection algorithm is proposed by analyzing the characteristics of fat imaging in human abdominal magnetic resonance (MR) images. The algorithm uses SLIC algorithm to preprocess the abdominal magnetic resonance image to generate super-pixel, and then uses flooding fill algorithm to remove the background. Then the improved K-means algorithm is applied to the automatic segmentation of fat region and non-fat region, subcutaneous fat and visceral fat. Finally, the quantitative analysis of abdominal fat is realized based on the segmentation results. The experimental results show that the proposed algorithm can accurately detect the abdominal fat content and can distinguish the type of fat. Compared with the previous semi-automatic or automatic algorithm, the accuracy of the algorithm has been improved effectively.
【作者單位】： 上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系;中國(guó)科學(xué)院軟件研究所計(jì)算機(jī)科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室;澳門大學(xué)科技學(xué)院電腦及資訊科學(xué)系;
【基金】：國(guó)家自然科學(xué)基金(61572316,61133009) 國(guó)家高技術(shù)研究發(fā)展計(jì)劃(2015AA015904) 浙江大學(xué)CAD&CG國(guó)家重點(diǎn)實(shí)驗(yàn)室開放課題(A1401) 中國(guó)科學(xué)院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室開放基金 澳門大學(xué)科研基金(MYRG150(Y3-L2)/FST11/WW)
【分類號(hào)】：R589.2;TP391.41

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前10條

1 何敏;陳中顯;梅松濤;;蟻群算法的研究與進(jìn)展[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2010年會(huì)論文集[C];2010年

2 高瑋;;免疫連續(xù)蟻群算法[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

3 唐乾玉;韓曾晉;;基于擾動(dòng)分析的優(yōu)化算法[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

4 金成勛;周廣祿;郭恒業(yè);;對(duì)ICP算法中穩(wěn)定采樣的研究[A];立體圖象技術(shù)及其應(yīng)用研討會(huì)論文集[C];2005年

5 陳元琰;閆友彪;羅曉曙;;REM算法的改進(jìn)[A];廣西計(jì)算機(jī)學(xué)會(huì)2005年學(xué)術(shù)年會(huì)論文集[C];2005年

6 范瑛;;改進(jìn)蟻群算法結(jié)合BP網(wǎng)絡(luò)用于入侵檢測(cè)[A];中國(guó)運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

7 萬(wàn)麗芬;鐘炎平;;約束LMS算法研究[A];第二十屆電工理論學(xué)術(shù)年會(huì)論文集[C];2008年

8 云飛;薛青;姚義軍;;改進(jìn)型LMBP算法在軍事數(shù)據(jù)分析中的應(yīng)用研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

9 朱雙東;艾智斌;閻夏;;BP網(wǎng)絡(luò)學(xué)習(xí)算法的改進(jìn)方案探析[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1998年

10 唐乾玉;陳翰馥;韓曾晉;;串行生產(chǎn)線的參數(shù)優(yōu)化[A];1994年中國(guó)控制會(huì)議論文集[C];1994年

相關(guān)博士學(xué)位論文 前10條

1 楊擴(kuò)軍;TIADC系統(tǒng)校準(zhǔn)算法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

2 黃亞魁;幾類優(yōu)化問題的BB型算法研究[D];西安電子科技大學(xué);2015年

3 王戈;通信信號(hào)若干聯(lián)合處理技術(shù)研究[D];解放軍信息工程大學(xué);2013年

4 易雯帆;非線性偏微分方程多解計(jì)算大范圍收斂算法及其應(yīng)用研究[D];湖南師范大學(xué);2016年

5 蔡永智;分布式電力系統(tǒng)狀態(tài)估計(jì)研究[D];華南理工大學(xué);2016年

6 蘇雪平;基于交叉多模信息的新聞圖像人物標(biāo)識(shí)算法[D];西北工業(yè)大學(xué);2015年

7 謝侃;稀疏盲分離的理論與算法研究[D];廣東工業(yè)大學(xué);2016年

8 王可心;大規(guī)模過程系統(tǒng)非線性優(yōu)化的簡(jiǎn)約空間理論與算法研究[D];浙江大學(xué);2008年

9 鮑吉鋒;平衡問題和優(yōu)化問題若干算法的收斂性分析[D];浙江大學(xué);2013年

10 韓飛;基于先驗(yàn)信息編碼的約束學(xué)習(xí)算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 楊展;城軌列車自動(dòng)調(diào)整系統(tǒng)模型與算法研究[D];西南交通大學(xué);2015年

2 馬英鈞;基于人工蜂群算法的約束優(yōu)化問題研究[D];華中師范大學(xué);2015年

3 錢其;電網(wǎng)諧波和間諧波功率的計(jì)量算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

4 蔣玉冰;無(wú)線通信信號(hào)到達(dá)角跟蹤算法研究[D];電子科技大學(xué);2014年

5 孫方亮;基于粒子群與中心引力的一種新混合算法及應(yīng)用[D];西安電子科技大學(xué);2014年

6 于詩(shī)杰;基于無(wú)波前探測(cè)的大氣光通信自適應(yīng)補(bǔ)償方法研究[D];西安電子科技大學(xué);2014年

7 柯家龍;壓縮感知算法及其在成像中的應(yīng)用[D];南京郵電大學(xué);2015年

8 劉光泓;并行磁共振圖像全變分恢復(fù)一階算法研究[D];南京郵電大學(xué);2015年

9 張德祥;基于改進(jìn)蟻群算法的機(jī)器人三維路徑規(guī)劃研究[D];青島科技大學(xué);2015年

10 張申利;基于蜂群算法的GIS優(yōu)化選址及其并行化研究與應(yīng)用[D];中國(guó)石油大學(xué)(華東);2014年

，

本文編號(hào)：2178115