随着生活水平的日益提高,健康已经成为人们越来越关注的问题,因此准确测量皮下脂肪组织和内脏脂肪组织含量对许多疾病的研究具有重要的意义。核磁共振成像中的IDEAL-IQ技术是一种主要用于对扫描部位的脂肪组织进行成像的安全、无痛的检查方法,并在一次扫描中生成六种序列。经过数十年的发展,计算机辅助诊断技术已经成为一个综合运用了多种先进技术的临床医学诊断工具。在计算机辅助诊断涵盖的众多算法中,机器学习正成为医学影像数据处理的首选方法,可以应用于多种不同的放射学影像领域任务。本文的目的是探索基于IDEAL-IQ技术成像和机器学习的皮下脂肪组织和内脏脂肪组织及相关分割定量方法。本文设计了一个基于二维切片的全自动分割方法。首先,采用U-Net的深度网络来分割脂像中皮下脂肪组织的内外轮廓和水像中的腹膜腔轮廓;其次,本文将腹膜腔轮廓对应到相同身体部位的脂像中,采用AFK-MC~2聚类方法对内脏脂肪组织进行定量,取得了较好的效果。在分割结果的基础上,本文对脂肪相关的指标进行定量。其中,本文提出了一种以后正中线为标准的半自动皮下脂肪厚度测量方法,校正了受试者体位不正的问题;第二,本文对腹围长度进行全自动测量。为了将切片间信息加入深度学习模型,本文设计了一个基于3D U-Net的网络对皮下脂肪组织和内脏脂肪组织进行三维分割定量。最后,本文分别将二维和三维全自动皮下脂肪组织和内脏脂肪组织分割模型嵌入吉林大学电子科学与工程学院RIAS平台和飞利浦ISD平台,不仅实现了全自动分割模型应用于实际临床的计算机辅助诊断中,也增强了两个医学影像研究平台的功能多样性。实验结果表明,本文采用的自动定量方法具有较高的准确性和鲁棒性,且与人工测量结果具有较高的可靠性。首先,二维模型获得的皮下脂肪组织和内脏脂肪组织的Dice系数分别为0.96和0.97;第二,3D U-Net的网络分割皮下脂肪组织和内脏脂肪组织的Dice系数分别为0.98和0.90。