基于深度学习模型的X线胸片去骨的初步研究 |
| |
引用本文: | 毕忠旭,李子元,周宇,任昕,李津书,刘建新,王霄英,张晓东.基于深度学习模型的X线胸片去骨的初步研究[J].放射学实践,2021,36(12):1582-1586. |
| |
作者姓名: | 毕忠旭 李子元 周宇 任昕 李津书 刘建新 王霄英 张晓东 |
| |
作者单位: | 100034 北京,北京大学第一医院医学影像科 |
| |
基金项目: | 北京大学第一医院青年临床研究专项基金项目(2018CR25) |
| |
摘 要: | 【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 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《放射学实践》浏览原始摘要信息 |
| 点击此处可从《放射学实践》下载免费的PDF全文 |
|