[发明专利]基于数据增强及CA-YOLO-V4的肺CAD系统

权利要求书

1.一种基于数据增强及CA-YOLO-V4的肺CAD系统，其特征在于，包括以下步骤：

S1：获取肺部CT图像的数据集，本发明的实验采用LIDC-IDRI数据库的子集LUNA16；

S2：图像预处理，依据结节标注将其定位、剪裁、掩膜填充，并输入网络训练；

S3：肺结节生成，读取训练好的模型，在肺CT图像上生成肺结节；

S4：将生成的肺结节数据与LUNA16数据一起作为检测网络的数据；

S5：图像预处理，进行肺实质分割，然后将数据处理为YOLO网络可以读取的VOC格式；

S6：特征提取及融合，数据经过骨干网络CSPDarknet和CA机制，完成了特征提取，再经过SPP及PANet，完成了特征融合；

S7：肺结节检测，使用YOLO Head中的非极大值抑制过滤冗余的检测框，最后得到检测结果。

2.根据权利要求1所述的一种基于数据增强及CA-YOLO-V4的肺CAD系统，其特征在于，所述步骤S6的具体过程如下：

1）利用两个1D全局池化操作分别将垂直方向和水平方向的输入特征聚合为两个独立方向感知特征图；

2）根据初始输入特征向量的高度H与宽度W，使用尺寸为（H，1）和（1，W）的池化核分别沿着垂直方向和水平方向对每个通道进行编码；

3）得到嵌入特定方向信息的特征图表示式如下：

其中， 为输入特征向量， 为高度h的输出， 为在宽度w的输出，下标c示输入特征向量的通道；

4）将步骤3）得到的两个特征图分别编码为两个注意力图，并将其输入特征图，输出如下：

其中， 和 分别代表垂直方向和水平方向的1×1卷积变换， 是非线性激活函数，是sigmoid激活函数， 和分别为垂直方向和水平方向的输出；

5）CA机制的最终输出如下：

。

3.根据权利要求1和权利要求2所述的方法，其特征在于，所述算法将CA机制插入在骨干网络与SPP网络之间的位置。

4.根据权利要求1所述的方法，其特征在于，使用CT-GAN扩充数据集，获得了带标注的肺结节数据。

5.根据权利要求1所述的方法，其特征在于，所述基于数据增强及CA-YOLO-V4的肺CAD系统算法具体为：使用CT-GAN扩充带标注的数据集，丰富数据集特征多样性；将CA机制引入YOLO-V4检测框架构建CA-YOLO-V4肺CAD系统，可以捕捉在下采样过程中丢失的肺结节特征信息及位置信息，将二者结合得到了CA-YOLO-V4+数据增强算法，对训练集进行训练，并在测试集进行测试，实现肺结节检测。