基于深度学习模型的X线胸片去骨的初步研究

摘要：

目的:探讨基于深度学习方法对X线胸片(CXR)进行去骨处理的可行性.方法:总样本数据集由开源数据集和自采数据集两部分组成,共300个图像对,每对图像包括一个常规CXR和一个去骨后的CXR,其中开源数据集(JSRT+BSE JSRT)241对,自采数据集(双能减影胸部X光片)59对.使用深度残差网络(ResNet)作为去骨模型的基础架构,结合动态U-Net网络,并以Imagenet预训练VGG(Visual Geometry Group)网络,提取图像激活及风格特征组成损失函数,来训练去骨模型.将总样本数据随机分为训练集(80％)、调优集(5％)和测试集(15％).以测试集的峰值信噪比(PSNR)和结构相似性(SSIM)结果作为CXR去骨模型的评价指标.结果:在测试集中,CXR去骨模型的PSNR(dB)和SSIM分别为31.94±2.49和93.37％ ±5.11％.根据PSNR值分析,88.89％ 的模型去骨后图像的质量较好,根据SSIM值分析,86.67％ 的模型去骨后图像与目标图像的结构相似性达到88％ 以上.结论:深度学习模型对X线胸片图像的去骨处理是可行的,可用于进一步研究并尝试应用于临床.

关键词：深度学习;人工智能;X线胸片;去骨模型

所属期刊栏目：36

分类号：R814.41;R734.2(放射医学)

资助基金：北京大学第一医院青年临床研究专项基金项目2018CR25

在线出版日期：2022-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1582-1586