[发明专利]一种CT胸部平扫影像质量控制的人工智能方法

权利要求书

1.一种CT胸部平扫影像质量控制的人工智能方法，其特征在于，包括：

步骤01、获取CT设备数据；

步骤02、训练质量控制模型，构建肺部分割深度学习模型、气管分割深度学习模型、主动脉弓分割深度学习模型、结节识别模型、伪影检测模型；

步骤03、依据质量控制标准，基于质量控制模型，实现对质量控制指标的自动化判定；

步骤04、质量控制结果输出。

2.根据权利要求1所述的方法，其特征在于：所述步骤02，质量控制模型是依据深度学习领域内的通识技术构建，例如基于Pytorch框架中的卷积层、池化层以及张量运算等来构建。质量控制模型实现了放射影像质量控制的核心功能，即组织、器官、病灶、ROI(感兴趣区域)的检测与分割，包含以下主要操作：图像语义分析、质量控制相关语义特征提取，组织、器官、病灶、ROI检测分割等。模型中包含编码器和解码器，在本发明中使用了三类解码器：分割解码器、检测解码器、分类解码器。每个质量控制模型在具体细节上略有不同，比如卷积层的个数、池化层的个数等，更为具体的是，根据解码器种类的不同，各解码器的卷积层、池化层等个数、顺序也会有所不同，解码器输入中的编码器特征值，可以来自编码器中的任何一层或几层的特征值。模型训练是将处理好的标记数据送入模型，根据模型在训练集、验证集、测试集的损失值和准确率评估是否训练完毕，若训练不符合完毕条件，调节模型的参数，再次训练。最终构建肺部分割深度学习模型、气管分割深度学习模型、主动脉弓分割深度学习模型、结节识别模型、伪影检测模型。

3.根据权利要求1所述的方法，其特征在于：所述步骤03，质量控制指标包括：肺部完整性、主气管及左右段支气管可见、脂肪CT值校对、胸膜1cm以内小血管可见、结节可见、肺外围骨骼可见、伪影检测：

肺部完整性：肺组织完全包含于影像内；

主气管及左右段支气管可见：影像内可见主气管、左右段支气管；

脂肪CT值校对：在纵隔窗下，获取、校对主动脉弓附近的脂肪CT值；

胸膜1cm以内小血管可见：主气管与左右段支气管交界处胸膜1cm以内可见小血管；

结节可见：可在影像内识别出结节；

肺外围骨骼可见：在骨窗下，肺外围可见骨骼；

伪影检测：可在影像内识别出伪影(金属伪影、呼吸伪影、条状伪影)。

根据权利要求1所述的方法，其特征在于：所述步骤03，基于质量控制模型，实现对质量控制指标的自动化判定，包括：肺部完整性判定方法、主气管及左右段支气管可见判定方法、脂肪CT值校对方法、胸膜1cm以内小血管可见判定方法、结节可见判定方法、肺外围骨骼可见判定方法、伪影检测方法。