在过去的二十年中,非酒精性脂肪肝患者逐渐增加。过量的脂肪堆积在肝脏上不利于肝细胞的生长,会大大增加肝脏出现炎症的可能和纤维化的风险。因此对肝脏脂肪定量分析可作为评估肝脏健康状态的一个重要标准。对肝组织活检是检测肝脏脂肪含量的一种传统临床方法,也是诊断脂肪肝的标准手段,但是活检属于侵入操作会造成创伤,还可能存在取样位置片面的问题从而无法衡量全肝脂肪,故不能广泛应用实施。磁共振技术的发展为医疗临床带来很多契机,该成像方法能够获取人体组织内水分子和脂肪分子的信号强度,通过识别与计算不同序列成像,实现对肝组织脂肪含量直观、准确的定量分析,逐步替代之前的方法被广泛应用于临床研究中。本文设计了一种全新且可行的肝脏脂肪定序测量方法,以MRI腹部图像为基础,将其进行超像素分割等预处理,以简化图像的表示形式同时获取良好的器官边界信息;再将预处理过的数据传入改进的U-Net模型中,获取较高精度的肝脏轮廓区域;最后在得到的全肝轮廓基础上,通过计算相应位置的纯水图像和仅脂肪图像的信号强度,得到全肝的质子密度脂肪分数,实现肝脏脂肪定序测量。针对本文提出的方法,通过对UK Biobank数据集中3050名被试进行实验,实现对肝脏区域精准地自动分割并计算出全肝质子密度脂肪分数。实验结果表明,通过本文所提出方法得到的肝脏分割结果更为精确,较原始U-Net模型的分割精度提升1.82个百分点,参数量也缩减至原始参数量的19%;再将得到的脂肪分数结果与官方提供的参考结果进行相关性分析,二者有较高的一致性,Pearson相关系数从0.8267提升至0.8523。同时还做了对比实验,当将数据直接传入U-Net和nn UNet网络计算时,得到的肝脏分割精度较本文方法有所降低。通过比较分析可以得出,结合超像素分割的肝脏脂肪定序测量方法在肝脏脂肪定量上具有可行性且表现出较高的性能。本文所提出的方法为肝脏脂肪定量提供了新手段,对脂肪肝的早期诊断和病情监控提供了新思路。