1.一種神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練方法，其特征在于，應(yīng)用于醫(yī)學(xué)圖像分割系統(tǒng)的服務(wù)器，所述方法包括：
接收多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本，其中，第一客戶端發(fā)送的醫(yī)學(xué)樣本包括：多張計(jì)算機(jī)斷層掃描CT圖像和每張CT圖像對應(yīng)的第一標(biāo)簽圖像，所述第一標(biāo)簽圖像用于標(biāo)識所述CT圖像包含的指定器官，所述第一標(biāo)簽圖像是所述第一客戶端采用本地神經(jīng)網(wǎng)絡(luò)模型對所述多張CT圖像進(jìn)行分割得到的，所述第一客戶端為所述多個(gè)客戶端中的任一客戶端；
根據(jù)所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本，訓(xùn)練所述服務(wù)器中的第一神經(jīng)網(wǎng)絡(luò)模型，所述第一神經(jīng)網(wǎng)絡(luò)模型為所述服務(wù)器中最新版本的神經(jīng)網(wǎng)絡(luò)模型。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本，訓(xùn)練所述服務(wù)器中的第一神經(jīng)網(wǎng)絡(luò)模型，包括：
刪除所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本中不準(zhǔn)確的醫(yī)學(xué)樣本，得到訓(xùn)練樣本；
采用所述訓(xùn)練樣本訓(xùn)練所述服務(wù)器中的所述第一神經(jīng)網(wǎng)絡(luò)模型。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述刪除所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本中不準(zhǔn)確的醫(yī)學(xué)樣本，得到訓(xùn)練樣本，包括：
依次顯示第一樣本的多個(gè)掩膜圖像，每個(gè)掩膜圖像由所述第一樣本中的一個(gè)標(biāo)簽圖像疊加在相應(yīng)的CT圖像上形成，所述第一樣本為所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本中的任一樣本；
接收人工在所述任一掩膜圖像所在界面或所述第一樣本所在界面觸發(fā)的對所述第一樣本的刪除操作；
根據(jù)所述刪除操作將所述第一樣本作為不準(zhǔn)確的樣本刪除。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述刪除所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本中不準(zhǔn)確的醫(yī)學(xué)樣本，得到訓(xùn)練樣本，包括：
將所述第一樣本中的每張CT圖像采用所述服務(wù)器中預(yù)設(shè)的標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分割，得到與所述每張CT圖像對應(yīng)的第二標(biāo)簽圖像，所述第二標(biāo)簽圖像用于標(biāo)識所述CT圖像包含的指定器官，所述第一樣本為所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本中的任一樣本；
判斷所述CT圖像的分割圖像差值是否大于預(yù)設(shè)差值閾值，所述分割圖像差值為對應(yīng)于同一CT圖像的所述第一標(biāo)簽圖像與所述第二標(biāo)簽圖像的圖像差值；
當(dāng)分割圖像差值大于預(yù)設(shè)差值閾值的CT圖像在所述第一樣本中的占比大于預(yù)設(shè)比值時(shí)，將所述第一樣本存儲至人工確認(rèn)數(shù)據(jù)庫，所述人工確認(rèn)數(shù)據(jù)庫中的樣本用于由人工確認(rèn)是否刪除；
當(dāng)分割圖像差值大于預(yù)設(shè)差值閾值的CT圖像在所述第一樣本中的占比不大于預(yù)設(shè)比值時(shí)，將所述第一樣本存儲至訓(xùn)練樣本數(shù)據(jù)庫，所述訓(xùn)練樣本數(shù)據(jù)庫中的樣本用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；
將所述人工確認(rèn)數(shù)據(jù)庫中確認(rèn)不刪除的樣本和/或所述訓(xùn)練樣本數(shù)據(jù)庫中的樣本確定為所述訓(xùn)練樣本。
5.根據(jù)權(quán)利要求1至4任一所述的方法，其特征在于，在所述根據(jù)所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本，訓(xùn)練所述服務(wù)器中的第一神經(jīng)網(wǎng)絡(luò)模型之后，所述方法還包括：
將第二神經(jīng)網(wǎng)絡(luò)模型發(fā)送至多個(gè)測試客戶端，所述第二神經(jīng)網(wǎng)絡(luò)模型為根據(jù)所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本訓(xùn)練所述服務(wù)器中的第一神經(jīng)網(wǎng)絡(luò)模型所得到的神經(jīng)網(wǎng)絡(luò)模型；
接收所述多個(gè)測試客戶端對所述第二神經(jīng)網(wǎng)絡(luò)模型的打分；
根據(jù)所述多個(gè)測試客戶端對所述第二神經(jīng)網(wǎng)絡(luò)模型的打分，確定測試分?jǐn)?shù)；
判斷所述測試分?jǐn)?shù)是否大于預(yù)設(shè)的及格分?jǐn)?shù)；
當(dāng)所述測試分?jǐn)?shù)大于預(yù)設(shè)的及格分?jǐn)?shù)，將所述第二神經(jīng)網(wǎng)絡(luò)模型確定為最新版本的神經(jīng)網(wǎng)絡(luò)模型；
當(dāng)所述測試分?jǐn)?shù)不大于預(yù)設(shè)的及格分?jǐn)?shù)，將所述第一神經(jīng)網(wǎng)絡(luò)模型確定為最新版本的神經(jīng)網(wǎng)絡(luò)模型。
6.一種神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練方法，其特征在于，應(yīng)用于醫(yī)學(xué)圖像分割系統(tǒng)的第一客戶端，所述方法包括：
獲取包括多張計(jì)算機(jī)斷層掃描CT圖像的待分割樣本，所述CT圖像包含指定器官的圖像；
采用所述第一客戶端內(nèi)的本地神經(jīng)網(wǎng)絡(luò)模型對每張CT圖像進(jìn)行分割，得到與所述每張CT圖像對應(yīng)的第一標(biāo)簽圖像，所述第一標(biāo)簽圖像用于標(biāo)識所述CT圖像包含的指定器官；
將醫(yī)學(xué)樣本發(fā)送至所述服務(wù)器，以便于所述服務(wù)器根據(jù)所述醫(yī)學(xué)樣本訓(xùn)練所述服務(wù)器中的第一神經(jīng)網(wǎng)絡(luò)模型，所述第一神經(jīng)網(wǎng)絡(luò)模型為所述服務(wù)器中最新版本的神經(jīng)網(wǎng)絡(luò)模型，所述醫(yī)學(xué)樣本包括：所述每張CT圖像和所述每張CT圖像對應(yīng)的所述第一標(biāo)簽圖像。
7.一種神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練裝置，其特征在于，應(yīng)用于醫(yī)學(xué)圖像分割系統(tǒng)的服務(wù)器，所述裝置包括：
第一接收模塊，用于接收多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本，其中，第一客戶端發(fā)送的醫(yī)學(xué)樣本包括：多張CT圖像和每張CT圖像對應(yīng)的第一標(biāo)簽圖像，所述第一標(biāo)簽圖像用于標(biāo)識所述CT圖像包含的指定器官，所述第一標(biāo)簽圖像是所述第一客戶端采用本地神經(jīng)網(wǎng)絡(luò)模型對所述多張CT圖像進(jìn)行分割得到的，所述第一客戶端為所述多個(gè)客戶端中的任一客戶端；
訓(xùn)練模塊，用于根據(jù)所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本，訓(xùn)練所述服務(wù)器中的第一神經(jīng)網(wǎng)絡(luò)模型，所述第一神經(jīng)網(wǎng)絡(luò)模型為所述服務(wù)器中最新版本的神經(jīng)網(wǎng)絡(luò)模型。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述訓(xùn)練模塊，包括：
刪除子模塊，用于刪除所述多個(gè)客戶端發(fā)送的醫(yī)學(xué)樣本中不準(zhǔn)確的醫(yī)學(xué)樣本，得到訓(xùn)練樣本；
訓(xùn)練子模塊，用于采用所述訓(xùn)練樣本訓(xùn)練所述服務(wù)器中的所述第一神經(jīng)網(wǎng)絡(luò)模型。
9.一種神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練裝置，其特征在于，應(yīng)用于醫(yī)學(xué)圖像分割系統(tǒng)的第一客戶端，所述裝置包括：
獲取模塊，用于獲取包括多張計(jì)算機(jī)斷層掃描CT圖像的待分割樣本，所述CT圖像包含指定器官的圖像；
分割模塊，用于采用所述第一客戶端內(nèi)的本地神經(jīng)網(wǎng)絡(luò)模型對每張CT圖像進(jìn)行分割，得到與所述每張CT圖像對應(yīng)的第一標(biāo)簽圖像，所述第一標(biāo)簽圖像用于標(biāo)識所述CT圖像包含的指定器官；
發(fā)送模塊，用于將醫(yī)學(xué)樣本發(fā)送至所述服務(wù)器，以便于所述服務(wù)器根據(jù)所述醫(yī)學(xué)樣本訓(xùn)練所述服務(wù)器中的第一神經(jīng)網(wǎng)絡(luò)模型，所述第一神經(jīng)網(wǎng)絡(luò)模型為所述服務(wù)器中最新版本的神經(jīng)網(wǎng)絡(luò)模型，所述醫(yī)學(xué)樣本包括：所述每張CT圖像和所述每張CT圖像對應(yīng)的所述第一標(biāo)簽圖像。
10.一種醫(yī)學(xué)圖像分割系統(tǒng)，其特征在于，所述醫(yī)學(xué)圖像分割系統(tǒng)包括：至少一個(gè)服務(wù)器和與所述服務(wù)器相連的至少一個(gè)第一客戶端；
所述服務(wù)器包括權(quán)利要求7或8所述的神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練裝置；
每個(gè)所述第一客戶端包括權(quán)利要求9所述的神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練裝置。