[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

说明书

本发明公开了一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法，包括以下步骤：S1、标注训练并验证AI辅助诊断模型；S2、获取CT扫描序列数据；S3、预处理；S4、诊断，将预处理CT图像数据，输入AI辅助诊断模型RibsNet中，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信息。本发明采用上述基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法，可识别出人体胸部CT扫描序列中是否存在疑似骨折病灶，同时精确标识、显示病灶区域与病灶类型，并对疑似病灶进行评分，从而协助医生进行肋骨骨折的筛查工作，提高了诊断效率和准确率。

技术领域

本发明涉及一种肋骨骨折辅助诊断技术，尤其涉及一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法及系统。

背景技术

由于频繁发生的交通事故等原因造成的肋骨骨折等外伤，会造成患者胸痛、骨折、气胸、血胸等临床表现症状，严重威胁着人们的生命安全。现有的肋骨骨折主要通过CT(计算机断层扫描技术)成像扫描的方式来进行检查，但由于影像科医生数量不足、读片工作量大等因素的制约，肋骨骨折筛查的效率尚不能满足实际的医疗需求。

因基于深度学习的图像中目标检测技术，通过输入医学影像数据，输出AI(人工智能模型)辅助诊断结果，具有准确率高、筛查效率高、运行成本低等显著特点，所以被广泛应用于医疗实践中。但是当前缺乏针对基于胸部CT扫描图像的肋骨骨折检测系统。

发明内容

本发明的目的是提供一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法，可识别出人体胸部CT扫描序列中是否存在疑似骨折病灶，同时精确标识、显示病灶区域与病灶类型，并对疑似病灶进行评分，从而协助医生进行肋骨骨折的筛查工作，提高了诊断效率和准确率。

为实现上述目的，本发明提供了一种基于人体胸部CT扫描序列数据的肋骨骨折AI辅助诊断方法，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。

优选的，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。