X光胸片的锁骨和肋骨分割以及肺野分割对于肺部疾病的自动化诊断和检测有重要价值。然而,胸片的低对比度和组织结构间的影像重叠导致传统方法无法获得较好的分割效果。针对X光胸片上的骨骼分割和肺野分割的不同特点和难点,提出了两种不同的语义分割网络实现精准的骨骼分割和肺野分割,并提出了多种医学指标的自动化测量方法。本文的主要研究工作如下:(1)标注并构建一套肋骨和锁骨分割X光胸片数据集(Rib and Clavicle Segmentation Chest X-Ray dataset,RCS＿CXR)。该数据集包含88张X光胸片,且每张X光胸片都有其对应的锁骨、前肋骨、后肋骨和所有骨骼(锁骨+肋骨)4张分割金标准掩模图片。(2)提出一种密集连接的多任务语义分割网络实现X光胸片上的锁骨和肋骨分割。首先,针对小数据集无法充分发掘特征的问题,采用了特征复用和特征迁移的方法进行解决。其次,将多标签问题转化为多任务问题,设计了一个特征分类网络来同时完成不同任务,并降低时间损耗。最后,提出了一种掩模编码机制,这同时避免了因阈值选择不当而造成的分割效果不好的情况。在RCS＿CXR数据集上进行实验,此方法在锁骨分割、前肋骨分割、后肋骨分割和所有骨骼分割4个任务上,DSC值分别达到了93.78%、80.95%、89.06%和88.38%。(3)提出了一种基于多尺度卷积和特征金字塔的语义分割网络实现X光胸片上的肺野分割。首先使用了多尺度卷积和基于特征金字塔的多尺度特征融合来改进网络预测结果中欠分割和过分割的情况。其次提出了一种同时考虑了单个像素点准确性和整张图片分割性能的损失函数以获取网络的最佳参数配置。此方法在公开的蒙哥马利(Montgomery)数据集进行了实验,并获得了目前最好的分割结果。(4)提出了多种医学指标的自动化测量方法。在X光胸片上骨骼和肺野分割的基础上,提出了肋膈角角度、心胸比等医学指标的自动化测量方法。本文提出了两种神经网络算法分别完成X光胸片上的骨骼分割和肺野分割,并提出了多种医学指标的自动化测量方法。本文工作是计算机辅助诊断系统的重要组成部分,而医学指标的自动化测量也能够减少医生的工作量。