[发明专利]AI模型的训练方法、使用方法、计算机设备及存储介质

说明书

本发明公开了AI模型的训练方法、使用方法、计算机设备及存储介质。所述AI模型用于肺结节分割，AI模型的训练方法包括以下步骤：获取用于训练的胸部CT图像；至少对胸部CT图像进行肺结节标注；从已标注肺结节的胸部CT图像中提取样本数据；根据已标注肺结节的胸部CT图像和样本数据对预设的nnU‑net神经网络进行迭代训练，得到用于肺结节分割的AI模型。AI模型的使用方法包括步骤：获取患者的胸部CT图像；将所述患者的胸部CT图像输入至AI模型中进行处理，得到肺结节分割结果。

技术领域

本发明属于人工智能的技术领域，具体而言，涉及AI模型的训练方法、使用方法、计算机设备及存储介质。

背景技术

据统计，肺癌已经成为最致命的疾病之一，死亡率逐年迅速上升。肺癌可以通过检测肺部小结节进而做到早期发现。目前，采用基于语义分割架构的人工智能模型自动对肺部CT图像进行肺结节分隔的方法受到了广泛的关注。

肺结节的异质性以及结节与周围环境存在相似的视觉特性，使得对结节的分隔困难。常用的选用了2D U-net或3D U-net人工智能模型均存在误差大的缺点，主要体现在小结节难以识别、将非结节组织识别为结节以及在结节太多时难以进行分割。

发明内容

本发明的主要目的在于提供AI模型的训练方法、使用方法、计算机设备及存储介质，以解决现有技术中肺结节自动分割所存在的误差大的技术问题。

第一方面，本发明提供了AI模型的训练方法。技术方案如下：

AI模型的训练方法，所述AI模型用于肺结节分割，训练方法包括以下步骤：

获取用于训练的胸部CT图像；

至少对胸部CT图像进行肺结节标注；

从已标注肺结节的胸部CT图像中提取样本数据；

根据已标注肺结节的胸部CT图像和样本数据对预设的nnU-net神经网络进行迭代训练，得到用于肺结节分割的AI模型。

进一步地是，对胸部CT图像进行肺结节标注的方法为：由有经验的呼吸内科医师或放射科医师对确诊有结节的病例的胸部CT图像进行逐层肺结节边缘勾画；并且/或者，对尺寸为5～30mm的肺结节进行标注。

进一步地是，还包括对肺实质、支气管、血管中的任意几种进行标注。

进一步地是，提取样本数据的方法包括步骤：对每个标注的肺结节生成一个三维封闭蒙版；并且/或者，所述样本数据包括肺结节的坐标、轮毂、尺寸以及真假阳性中的任意几种。

进一步地是，当达到1000个epoch或前后两个epoch的dice系数的变化小于0.00001时，则终止训练；并且/或者，训练过程为进行K-fold交叉训练。

进一步地是，所述用于训练的胸部CT图像取自M个患者的N个胸部CT图像，M≥N；并且/或者，胸部CT图像的分辨率0.7～1毫米，层厚为0.7～5毫米。

第二方面，本发明提供了AI模型的使用方法。技术方案如下：

AI模型的使用方法，应用于服务器，所述服务器部署有所述AI模型，所述AI模型为采用上述的AI模型的训练方法进行训练得到的模型；所述使用方法包括步骤：

获取患者的胸部CT图像；

将所述患者的胸部CT图像输入至AI模型中进行处理，得到肺结节分割结果。

第三方面，本发明提供了两种计算机设备。技术方案如下：

第一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序并在执行所述计算机程序时实现上述AI模型的训练方法。