[發明專利]人工智能模型訓練方法及裝置

在審

• 申請號: 202310324627.1
• 申請日: 2023-03-30
• 公開（公告）號: CN116416493A
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 沈晨天;王陽;張茜;孫貞魁;羅全勇;丁雪海;聶良兵;巨年婷
• 申請（專利權）人: 上海市第六人民醫院
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06T7/00;G06N3/04;G06N3/08
• 代理公司: 上海梵恒知識產權代理事務所(普通合伙) 31357
• 代理人: 李文鳳

一種人工智能模型訓練方法及裝置，所述方法包括：獲取肺部CT影像以及PET影像；確定所述CT影像對應的亨斯菲爾德單位，以及所述PET影像對應的標準攝取值；將所述CT影像對應的亨斯菲爾德單位以及所述CT影像中的肺結節的標注數據作為模型輸入，將所述PET影像對應的標準攝取值作為模型輸出，執行標準攝取值預測模型訓練，得到標準攝取值預測模型。采用上述方案，能夠將CT影像與PET的SUV進行關聯，實現PET的SUV預測。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種人工智能模型訓練方法及裝置。

背景技術

計算機斷層掃描(Computer?Tomography,CT)具有高空間分辨率及成像方便快捷的優勢，目前已成為診斷肺結節的首選檢查方法。但CT影像只能夠提供相關的解剖學信息，無法從代謝水平評價結節的良惡性。正電子發射型計算機斷層掃描顯像(PositronEmission?Tomography,PET)是根據示蹤劑來選擇性反映組織器官的代謝情況的技術，可以從分子水平反映人體生理、病理及代謝等改變，但由于影像分辨率低，很難對病灶位置進行準確判斷。

對于肺結節的評估，通常使用CT進行評估，如果肺結節過大，將使用PET對肺結節進一步進行評估。而對病患進行PET檢查時，需要對患者進行注射一定劑量的放射性藥物，并且相較于CT更為麻煩。

發明內容

本發明實施例解決的是無法將CT影像與PET的標準攝取值(SUV)進行關聯的技術問題。

第一方面，本發明實施例提供了一種人工智能模型訓練方法，包括：獲取肺部CT影像以及PET影像；確定所述CT影像對應的亨斯菲爾德單位，以及所述PET影像對應的標準攝取值；將所述CT影像對應的亨斯菲爾德單位以及所述CT影像中的肺結節的標注數據作為模型輸入，將所述PET影像對應的標準攝取值作為模型輸出，執行標準攝取值預測模型訓練，得到標準攝取值預測模型。

可選的，所述確定所述CT影像對應的亨斯菲爾德單位，包括：采用如下公式確定所述CT影像對應的亨斯菲爾德單位Hounsfieldunits：

HounsfieldUnit＝PixelArray×RescaleSlope+RescaleIntercept；其中，pixelArray為所述CT影像對應的矩陣數據，RescaleSlope為所述CT影像對應的重縮放斜率，RescaleIntercept為所述CT影像對應的重縮放截斷值。

可選的，所述人工智能模型訓練方法還包括：根據預設的窗位與窗寬，將所述CT影像對應的亨斯菲爾德單位限制在目標區間內；所述目標區間的區間最大值為W_C+W_W×0.5，所述目標區間的區間最小值為W_C-W_W×0.5，W_C為窗位，W_W為窗寬；對所述CT影像對應的亨斯菲爾德單位進行歸一化處理，歸一化之后的所述CT影像對應的亨斯菲爾德單位的取值為0～1。

可選的，所述根據預設的窗位與窗寬，將所述CT影像對應的亨斯菲爾德單位限制在目標區間內，包括：所述CT影像對應的亨斯菲爾德單位大于所述區間最大值，將所述CT影像對應的亨斯菲爾德單位取所述區間最大值；所述CT影像對應的亨斯菲爾德單位大于所述區間最小值，將所述CT影像對應的亨斯菲爾德單位取所述區間最小值；所述CT影像對應的亨斯菲爾德單位處于所述目標區間內，保持所述CT影像對應的亨斯菲爾德單位不變。

可選的，采用如下公式對所述CT影像對應的亨斯菲爾德單位進行歸一化處理：Dout＝Hounsfieldunits/(top-bottom)，Dout為歸一化之后的CT影像對應的亨斯菲爾德單位，top為所述區間最大值，bottom為所述區間最小值。

可選的，所述CT影像中的肺結節的標注數據采用如下方式獲取：獲取所述CT影像上的肺結節區域；以所述肺結節區域為中心，獲取預設大小的圖像塊；基于所述圖像塊獲取所述標注數據。