[发明专利]基于注意力机制的循环一致性对抗网络的肺炎检测方法

权利要求书

1.一种基于注意力机制的循环一致性对抗网络的肺炎检测方法，其特征在于，包括以下步骤：

S1：构建检测模型，所述检测模型包括：肺炎X光射线图像合成模块和肺炎X射线图像检测模块；所述肺炎X光射线图像合成模块由基于注意力机制的循环一致性对抗成生成网络构成，所述肺炎X光射线图像合成模块包括：随机数据增强单元、注意力引导合成的生成器和判别器；所述肺炎X射线图像检测模型包括：自动数据增强单元、特征提取单元、基于注意力引导的数据增强单元和BAP特征融合单元；

S2：利用所述检测模型实现对肺炎X光射线图像的检测：将肺部医学原始图像输入至所述肺炎X光射线图像合成模块，得到合成的肺炎X光射线图像，并将所述合成的肺炎X光射线图像增加到肺部医学原始图像得到扩充后的肺部医学数据集；

将所述扩充后的肺部医学图像集输入至所述肺炎X射线图像检测模块，得到最终的肺炎X光射线图。

2.如权利要求1所述的基于注意力机制的循环一致性对抗网络的肺炎检测方法，其特征在于，所述随机数据增强单元，用于对输入的肺部医学原始图像进行预处理，预处理方法包括：中心裁剪，色彩抖动、随机转动及其随机组合。

3.如权利要求1所述的基于注意力机制的循环一致性对抗网络的肺炎检测方法，其特征在于，所述基于注意力机制的循环一致性对抗成生成网络包括：两个注意力引导合成的生成器和判别器，其中，两个生成器分别记作G_Ax和F_Ay，两个判别器分别记作Dx和Dy；

生成器用于生成样本，在训练中尽可能提高其生成能力，能够无限逼近真实图像，其中，G_Ax用于学习源域X到目标域Y的映射，将X域图像转换合成为Y域图像，即G_Ax:X→Y；F_Ay用于学习目标域Y到源域X的映射，将Y域图像转换合成为X域图像，即F_Ay:Y→X；

判别器在训练中尽可能提高其识别能力，能够准确识别生成的假图像，其中，Dx用来判断生成的样本是否属于X，Dy用来判断生成的样本是否属于Y；输入数据集为X域，Y域中的每个图像x，y，其中x，y服从数据分布为x～p_data(x)，x∈X且y～p_data(y)，y∈Y；

生成器和判别器在训练过程中是对抗博弈进行，目标是在对抗学习过程中生成器能产生相对好的输出；G_Ax和D_y的损失函数为公式一：

F_Ay和D_x的损失函数为公式二：

其中，损失函数中的是指在X域中取的样本，是指从X域中取的样本；和是判别器D_y和D_x的损失；和是生成器G_Ax和G_Ay损失；

对于公式一，y表示Y域中取的样本，x表示从X域中取的样本，而G(x)表示生成器G_Ax生成的图片，D_y(y)表示判别器D_y判断y是否是Y域中取的样本的概率，而D_y(G(x))表示判别器D_y判断生成器G_Ax生成的图片是否是Y域中取的样本的概率。

4.如权利要求1所述的基于注意力机制的循环一致性对抗网络的肺炎检测方法，其特征在于，每一个生成器都添加了一个注意力网络，注意力网络在源域和目标域之间具有判别力的区域生成注意力地图，以将注意力地图约束到相关图像区域，并指导对该具判别力区域的转换合成，以此来提高图像中具有判别力区域的合成质量以及合成图像的多样性；添加的注意力网络包括Ax和Ay，其中Ax是负责X域到Y域的注意力地图生成，Ay则负责Y域到X域的注意力地图生成。