医用影像AI模型的管理方法及设备技术

本申请涉及一种医用影像AI模型的管理方法及设备，方法包括：接收用户发送的训练数据，解析训练数据，得到生成训练数据所需的模型参数，在预先建立的模型库中确定与模型参数匹配度高于预设阈值的模型，基于训练数据对匹配的模型进行定制化训练，得到定制化模型。由于本申请中的模型库包括多个按照预设维度进行分类的模型。根据用户发送的训练数据在模型库中确定高匹配度的模型，再根据用户提供的训练数据进行定制化训练，由于从模型库中确定的模型本身与训练数据具有高匹配度，所以只需少量训练数据便可以得到用户的定制化模型。练数据便可以得到用户的定制化模型。练数据便可以得到用户的定制化模型。

【技术实现步骤摘要】
医用影像AI模型的管理方法及设备


[0001]本申请涉及模型管理
，尤其涉及一种医用影像AI模型的管理方法及设备。

技术介绍

[0002]评价医用影像AI模型的两个基本维度是敏感性和特异性。每个AI模型都希望只使用一个模型就能取得敏感性、特异性双高的临床效果，以便达到最高程度的产品化。但由于扫描设备的成像原理差异，以及扫描方案的差异，使用单一模型进行数据训练，即便数据量很大(几万甚至十几万例)的情况下，仍会顾此失彼，很难取得在广泛场景下的敏感性、特异性双高的效果。现有技术中一些医疗机构开发了个性化的影像AI模型，只针对本机构的某个型号的设备，以及固定的扫描方案。在这种前提下，只要数据标注精确，即便在非常有限的训练集下(300
‑
500例)，也可以取得敏感性、特异性双高的特点。但这种方法的缺点是鲁棒性差，迁移算法的时候仍然需要拿新用户的大量数据进行重新标注和训练才能适应。

技术实现思路

[0003]为至少在一定程度上克服相关技术中即使是敏感性、特异性双高的个性化模型在处理新用户数据时依然需要重新进行大量训练的问题，本申请提供一种医用影像AI模型的管理方法及设备。
[0004]本申请的方案如下：
[0005]根据本申请实施例的第一方面，提供一种医用影像AI模型的管理方法，包括：
[0006]接收用户发送的训练数据；
[0007]解析所述训练数据，得到生成所述训练数据所需的模型参数；
[0008]在预先建立的模型库中确定与所述模型参数匹配度高于预设阈值的模型；所述模型库包括多个按照预设维度进行分类的模型；
[0009]基于训练数据对所述匹配的模型进行定制化训练，得到定制化模型；
[0010]将定制化模型发送给所述用户。
[0011]优选的，在本申请一种可实现的方式中，还包括：
[0012]基于影像设备类型、扫描部位类型、影像设备品牌、型号、版本数据、影像扫描方案和图像完整度，对现有AI模型进行分类，建立所述模型库。
[0013]优选的，在本申请一种可实现的方式中，所述训练数据中包括多张医学数字成像和通信(Digital Imaging and Communications in Medicine，DICOM)标准图像；
[0014]所述解析所述训练数据，得到生成所述训练数据所需的模型参数，包括：
[0015]基于DICOM文件头工具解析所述训练数据，得到生成所述训练数据所需的影像设备类型、扫描部位类型、影像设备品牌、型号、版本数据、影像扫描方案和图像完整度。
[0016]优选的，在本申请一种可实现的方式中，还包括：
[0017]若所述模型库中的模型与所述模型参数的匹配度均低于所述预设阈值，则接收所
述用户录入的更新后的模型参数。
[0018]优选的，在本申请一种可实现的方式中，还包括：
[0019]根据所述更新后的模型参数重新在所述模型库中确定与所述更新后的模型参数匹配度高于预设阈值的模型。
[0020]优选的，在本申请一种可实现的方式中，所述基于训练数据对所述匹配的模型进行定制化训练后，所述方法还包括：
[0021]在所述模型库中确定与所述定制化模型的模型参数匹配度高于预设阈值的模型，作为所述定制化模型的近似模型；
[0022]将所述定制化模型的运行数据输入到所述近似模型中进行运行；
[0023]根据所述近似模型的输出结果判断所述近似模型和所述定制化模型的模型差异；
[0024]将模型差异小于预设值的所述近似模型和所述定制化模型进行合并；
[0025]将合并后新生成的模型存储到所述模型库。
[0026]优选的，在本申请一种可实现的方式中，还包括：
[0027]将所述合并后新生成的模型发送给所述用户。
[0028]根据本申请实施例的第二方面，提供一种医用影像AI模型的管理设备，包括：
[0029]接收模块，用于接收用户发送的训练数据；
[0030]解析模块，用于解析所述训练数据，得到生成所述训练数据所需的模型参数；
[0031]确定模块，用于在预先建立的模型库中确定与所述模型参数匹配度高于预设阈值的模型；所述模型库包括多个按照预设维度进行分类的模型；
[0032]训练模块，用于基于训练数据对所述匹配的模型进行定制化训练，得到定制化模型；
[0033]发送模块，用于将定制化模型发送给所述用户。
[0034]本申请提供的技术方案可以包括以下有益效果：本申请中的医用影像AI模型的管理方法，包括：接收用户发送的训练数据，解析训练数据，得到生成训练数据所需的模型参数，在预先建立的模型库中确定与模型参数匹配度高于预设阈值的模型，基于训练数据对匹配的模型进行定制化训练，得到定制化模型。由于本申请中的模型库包括多个按照预设维度进行分类的模型。根据用户发送的训练数据在模型库中确定高匹配度的模型，再根据用户提供的训练数据进行定制化训练，由于从模型库中确定的模型本身与训练数据具有高匹配度，所以只需少量训练数据便可以得到用户的定制化模型。
[0035]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0036]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0037]图1是本申请一个实施例提供的一种医用影像AI模型的管理方法的流程示意图；
[0038]图2是本申请一个实施例提供的一种医用影像AI模型的管理设备的结构示意图。
[0039]附图标记：接收模块
‑
21；解析模块
‑
22；确定模块
‑
23；训练模块
‑
24；发送模块
‑
25。
具体实施方式
[0040]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0041]一种医用影像AI模型的管理方法，参照图1，包括：
[0042]S11：接收用户发送的训练数据；
[0043]S12：解析训练数据，得到生成训练数据所需的模型参数；
[0044]解析训练数据，得到生成训练数据所需的模型参数，包括：
[0045]基于DICOM文件头工具解析训练数据，得到生成训练数据所需的影像设备类型、扫描部位类型、影像设备品牌、型号、版本数据、影像扫描方案和图像完整度。
[0046]S13：在预先建立的模型库中确定与模型参数匹配度高于预设阈值的模型；模型库包括多个按照预设维度进行分类的模型；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医用影像AI模型的管理方法，其特征在于，包括：接收用户发送的训练数据；解析所述训练数据，得到生成所述训练数据所需的模型参数；在预先建立的模型库中确定与所述模型参数匹配度高于预设阈值的模型；所述模型库包括多个按照预设维度进行分类的模型；基于所述训练数据对所述匹配的模型进行定制化训练，得到定制化模型；将定制化模型发送给所述用户。2.根据权利要求1所述的方法，其特征在于，还包括：基于影像设备类型、扫描部位类型、影像设备品牌、型号、版本数据、影像扫描方案和图像完整度，对现有AI模型进行分类，建立所述模型库。3.根据权利要求2所述的方法，其特征在于，所述训练数据中包括多张DICOM标准图像；所述解析所述训练数据，得到生成所述训练数据所需的模型参数，包括：基于DICOM文件头工具解析所述训练数据，得到生成所述训练数据所需的影像设备类型、扫描部位类型、影像设备品牌、型号、版本数据、影像扫描方案和图像完整度。4.根据权利要求1所述的方法，其特征在于，还包括：若所述模型库中的模型与所述模型参数的匹配度均低于所述预设阈值，则接收所述用户录入的更新后的模型参数。5.根据权利要求4所述的方法，其特征在于，还包括：根据所述...

【专利技术属性】
技术研发人员：游永春，文雨婷，李万江，岳新，贺长征，杨岚清，文大光，李真林，
申请(专利权)人：北京新网医讯技术有限公司，
类型：发明
国别省市：