[发明专利]基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法

权利要求书

1.基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法，其特征在于，包括以下步骤：

S1：构建带有标注的核磁成像IDEAL-IQ序列腹部影像作为深度学习训练样本集和测试样本集；

S2：构建深度学习3D U-Net网络和U-Net网络模型，分别用于分割腹部皮下脂肪和腹膜腔轮廓；

S3：对深度学习模型参数进行初始化；

S4：进行特征提取,对腹部影像进行系列卷积、反卷积、池化和非线性运算,得到分割结果图；

S5：将U-Net网络训练得到的所有切片的腹膜腔轮廓对应到相同身体位置的脂像中；

S6：使用无监督AFKMC2聚类方法对脂像中腹膜腔进行内脏脂肪组织分割定量处理；

S7：利用所述S2中得到的深度学习模型和所述S6中所述的聚类方法,对实际中采集的待分割核磁成像IDEAL-IQ序列腹部影像图像进行处理,从而得到腹部脂肪定量结果。

2.根据权利要求1所述的基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法，其特征在于，所述S1中图像数据采用MRI中IDEAL-IQ序列采集，得到水像，脂像，同相位图像，反相位图像，脂肪百分比图像以及R2*图像数据，收集到的数据格式为DICOM文件，将DICOM头文件中的患者以及医院信息清除，利用软件MicroDicom构建带有标注的图片作为训练样本集和测试样本集,其中样本集包含MRI中IDEAL-IQ序列的水像和脂像，标注是脂像中皮下脂肪组织轮廓和水像中腹膜腔轮廓。

3.根据权利要求1所述的基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法，其特征在于，所述S2中，训练皮下脂肪组织和腹膜腔轮廓分别使用深度学习3D U-Net网络和U-Net网络进行分割处理，其中，网络所使用的Soft-max分类器如下式：

式中代表在特征通道k及像素位置的激活函数。Dice损失函数如下式：

式中为每个像素值的真实分类结果，代表特征图。