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。