(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210198942.X (22)申请日 2022.03.02 (71)申请人 北京大学第一医院 地址 100034 北京市西城区西什库大街八 号 (72)发明人 张晓东　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 胡晓静 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06T 5/40(2006.01) G06V 10/44(2022.01) G06V 10/56(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种胸片去骨处 理方法及装置 (57)摘要 本发明提供了一种胸片去骨处理方法及装 置， 其中， 胸片 去骨处理方法包括： 获取多个常规 胸片图像及各常规胸片图像对应的目标去骨胸 片图像； 以编码器 ‑解码器为深度学习模型基础 架构， 构建去骨模型； 基于常规胸片图像和其对 应的目标去骨胸片图像一起对去骨模型进行训 练， 得到训练好的去骨模型； 获取待处理胸片图 像； 将待处理胸片图像输入去骨模型， 得到对应 的去骨胸片图像。 通过 以编码器 ‑解码器为深度 学习模型基础架构， 构建去骨模型， 将待处理的 胸片图像输入至训练好的去骨模型得到去骨胸 片图像， 不仅可以有效解决由于病人心跳、 呼吸 产生运动伪影导致的去骨效果不佳的问题， 同时 大幅缩短了去骨处理的时间， 提高了对不显著肺 部病灶的判读准确率。 权利要求书2页 说明书9页 附图4页 CN 114565584 A 2022.05.31 CN 114565584 A 1.一种胸片去骨处 理方法， 其特 征在于， 包括： 获取多个常规胸片图像及各常规胸片图像对应的目标去骨胸片图像； 以编码器 ‑解码器为深度学习模型基础架构， 构建去骨模型； 将所述常规胸片图像输入所述去骨模型 得到预测去骨胸片图像； 基于所述常规胸片图像对应的目标去骨胸片图像和所述预测去骨胸片图像对所述去 骨模型进行训练， 得到训练好的去骨模型； 获取待处 理胸片图像； 将所述待处理胸片图像输入所述去骨模型， 得到所述待处理胸片图像对应的去骨胸片 图像。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述常规胸片图像对应的目标去 骨胸片图像和所述预测去骨胸片图像对所述去骨模型进行训练， 得到训练好的去骨模型， 包括： 利用预设VGG卷积神经网络模型分别提取当前目标去骨胸片图像和当前预测去骨胸片 图像对应的图像特 征； 计算所述当前目标去骨胸片图像和所述当前 预测去骨胸片图像的最小绝对值偏差； 基于所述当前目标去骨胸片图像和所述当前预测去骨胸片图像对应的图像特征以及 所述最小绝对值偏差计算损失函数的损失值； 利用所述损失值对所述去骨模型的模型参数进行调整， 直至所述损失值满足预设损失 值要求， 得到训练好的去骨模型。 3.根据权利要求2所述的方法， 其特 征在于， 所述损失函数通过如下公式表示： 其中， P为所述当前预测去骨胸片图像， T为所述当前目标去骨胸片图像， VGGj为由所述 预设VGG卷积神经网络模 型的第j个卷积获得的激活图， Gvgg为所述预设VGG卷积神经网络模 型的协方差矩阵。 4.根据权利要求1所述的方法， 其特征在于， 所述去骨模型包括： 编码器模块和解码器 模块， 其中， 所述编码器模块用于提取 所述待处 理胸片图像的图像特 征； 所述解码器模块用于基于所述待处 理胸片图像的图像特 征， 生成去骨胸片图像。 5.根据权利要求1所述的方法， 其特征在于， 在将所述常规胸片图像输入所述去骨模型 得到预测去骨胸片图像之前， 或在将所述待处理胸片图像输入所述去骨模 型得到所述待处 理胸片图像对应的所述去骨胸片图像之前， 所述方法还 包括： 对所述常规胸片图像或所述待处 理胸片图像进行图像 格式转换。 6.根据权利要求1所述的方法， 其特征在于， 在将所述常规胸片图像输入所述去骨模型 得到预测去骨胸片图像之前， 或在将所述待处理胸片图像输入所述去骨模 型得到所述待处 理胸片图像对应的所述去骨胸片图像之前， 所述方法还 包括： 获取所述常规胸片图像或所述待处 理胸片图像的DICOM 头信息； 基于所述DICOM头信息对所述常规胸片图像或所述待处理胸片图像进行灰度反转， 得 到所述常规胸片图像或所述待处 理胸片图像对应的灰度分布直方图；权　利　要　求　书 1/2 页 2 CN 114565584 A 2基于所述灰度分布直方图调整所述常规胸片图像或所述待处理胸片图像的图像对比 度。 7.一种胸片去骨处 理装置， 其特 征在于， 包括： 第一获取模块， 用于获取多个常规胸片图像及各常规胸片图像对应的目标去骨胸片图 像； 第一处理模块， 用于以编码器 ‑解码器为深度学习模型基础架构， 构建去骨模型； 第二处理模块， 用于将所述常规胸片图像输入所述去骨模型 得到预测去骨胸片图像； 第三处理模块， 用于基于所述多个常规胸片图像及各常规胸片图像对应的目标去骨胸 片图像和所述预测去骨胸片图像对所述去骨模型进行训练， 得到训练好的去骨模型； 第二获取模块， 用于获取待处 理胸片图像； 第四处理模块， 用于将所述待处理胸片图像输入所述去骨模型， 得到所述待处理胸片 图像对应的去骨胸片图像。 8.根据权利要求7 所述的装置， 其特 征在于， 所述第三处 理模块包括： 提取模块， 用于利用预设VGG卷积神经网络模型分别提取当前目标去骨胸片图像和当 前预测去骨胸片图像对应的图像特 征； 第一计算模块， 用于计算所述当前目标去骨胸片图像和所述当前预测去骨胸片图像的 最小绝对值偏差； 第二计算模块， 用于基于所述当前目标去骨胸片图像和所述当前预测去骨胸片图像对 应的图像特 征以及所述 最小绝对值偏差计算损失函数的损失值； 训练模块， 用于利用所述损 失值对所述去骨模型的模型参数进行调整， 直至所述损 失 值满足预设损失值要求， 得到训练好的去骨模型。 9.一种电子设备， 其特 征在于， 包括： 存储器和 处理器， 所述存储器和所述处理器之间互相通信连接， 所述存储器中存储有 计算机指 令， 所述处理器通过执行所述计算机指 令， 从而执行如权利要求 1‑6中任一项 所述 的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使所述计算机从而执 行如权利要求1 ‑6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114565584 A 3