[发明专利]基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法及系统

权利要求书

1.一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法，其特征在于：包括以下步骤：

S1、标注训练并验证基于CT扫描序列的肋骨骨折AI辅助诊断模型RibsNet；

S2、获取人体胸部CT扫描序列数据；

S3、CT扫描序列数据预处理

将不同格式的人体胸部CT扫描序列数据进行归一化处理；

S4、诊断

将经过步骤S3预处理的CT图像数据，输入步骤S1获得的AI辅助诊断模型RibsNet中，然后通过GPU加速模型或CPU兼容模型，完成诊断，若检测到疑似病灶，则输出预测数据，否则，预测数据为空；

S5、输出诊断

将由步骤S4获得的预测数据进行后处理，然后叠加显示在胸部CT扫描序列中，并展示出骨折疑似病灶的位置信息、类型信息与可信度得分。

2.根据权利要求1所述的一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法，其特征在于：步骤S1具体包括以下步骤：

S11、数据标注

标注CT扫描序列中的肋骨骨折病灶，获得位置信息及其类型信息，若为多发性病灶，则独立标识每个病灶获得标准数据集，并将所有标准数据集按比例分为训练集数据和验证集数据；

S12、模型训练

基于训练集数据中的CT扫描序列数据、肋骨骨折位置信息与类型信息，在GPU服务器上训练基于CT扫描序列的肋骨骨折检测的深度卷积神经网络模型RibsNet；

S13、模型验证

基于验证集数据和训练集数据中的CT扫描序列数据、肋骨骨折位置信息以及类型信息，根据可用的开发环境中软硬件资源限制调试优化训练参数与评价标准，测试AI辅助诊断模型，直至测试的平均检测准确率达到90％以上，则认定AI辅助诊断模型训练完成。

3.根据权利要求2所述的一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法，其特征在于：步骤S11中位置信息包含病灶的中心点坐标集合宽度信息和高度信息，类型信息包含新鲜骨折与陈旧骨折两种信息。

4.根据权利要求1所述的一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法，其特征在于：步骤S3中不同格式的人体胸部CT扫描序列数据经数据归一化处理后获得分辨率为512＊512的CT图像。

5.根据权利要求1所述的一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法，其特征在于：步骤S4中的预测数据包括给定CT扫描序列中一张或多张图片中存在的一个或多个疑似病灶，每个病灶包含其位置信息、类型信息和可信度得分。

6.一种基于上述权利要求1-5任一项所述的一种基于CT扫描序列的肋骨骨折AI辅助诊断方法的辅助诊断系统，其特征在于：包括：

数据标注模块，用于标注CT扫描序列中的肋骨骨折位置与类型信息，最终形成用于深度学习模型训练与验证的标准数据集；

图像输入模块，用于调用直接存储在系统中或者远程传输的胸部CT扫描序列数据；

图像预处理模块，用于将不同格式的人体胸部CT扫描序列进行数据归一化处理；

诊断模块，用于将预处理后的CT图片数据输入AI辅助诊断模型后得到疑似病灶预测数据；

诊断输出模块，用于将疑似病灶预测数据后处理后，叠加显示在胸部Ct扫描序列数据图像中，并展示出检测到的全部疑似病灶位置信息、类型信息及可信度信息。

7.根据权利要求6所述的一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法的系统，其特征在于：所述AI辅助诊断模型为YOLO深度目标检测神经网络。