毕忠旭，李子元，周宇，任昕，李津书，刘建新，王霄英，张晓东

X线胸片(chest X-ray,CXR)在临床工作中应用广泛，是诊断呼吸系统疾病的一线影像检查方法。但由于CXR是重叠影像，胸廓骨质结构和肺部在图像上的投影有重叠，导致当肺部病灶不显著时诊断医师在阅片时可能受到干扰，造成漏诊。

通过骨质抑制技术去除CXR上的骨组织，无论对影像科医师还是计算机辅助诊断系统都有帮助[1-2]。既往研究证明双能减影成像(dual-energy subtraction imaging,DES)技术对骨质结构的抑制效果极佳[3]。然而DES的辐射剂量相对较大，需要特殊的双能成像设备，而且心跳、呼吸产生的运动伪影可导致去骨效果不佳。如果能通过后处理软件使得常规CXR得到与DES相似的去骨效果，则可避免DES的上述缺点，这已成为近期CXR去骨研究的关注热点。目前除了传统的图像处理方法，基于深度学习模型的方法也有望用于CXR去骨处理[4-5]。本研究初步探索了一种深度学习算法实现CXR去骨处理的可行性。

材料与方法

本研究获得了本院伦理审查委员会的批准(2019-70)，按照本单位AI项目研发规范开展研究工作。

1.研究队列的建立

CXR数据来源于两个方面，一个是开源数据集[(JSRT+BSE JSRT，JSRT为日本放射技术学会(Japanese Society of Radiological Technology)，BSE为骨去除(bone shadow exclusion)][6]，其中包括241例正位常规CXR和与其对应的241例去骨CXR[7]，该数据集的去骨结果由传统的图像后处理算法得到；另一个数据集是自采数据集，来自于我院双能X光机(GE Discovery XR656)采集的59例临床胸部筛查患者的图像数据，其中包括常规CXR、去骨CXR和骨相CXR各59帧图像。将两个数据集整合，经过数据筛选，去除运动伪影较大以及去骨效果较差的图像后，建立研究队列，获得295例患者的常规CXR图像和去骨CXR图像各295帧。……