(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111636640.8 (22)申请日 2021.12.3 0 (71)申请人 长春工业大学 地址 130012 吉林省长 春市延安大街20 55 号计算机科 学与工程学院 (72)发明人 李阳　高轼奇　陈茂龙　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于数据增强及CA- YOLO-V4的肺CAD系统 (57)摘要 本发明公开了一种基于数据增强及CA ‑ YOLO‑V4的肺CAD系统。 在采 集LUNA16肺 部图像数 据集并进行预处理， 使用CT ‑GAN生成带标注的肺 结节数据， 扩充数据集， 并将生成数据与LUNA16 数据一起送至检测网络； 通过引入CA机制， 辅助 检测网络捕获肺结节在下采样过程中丢失的特 征信息及位置信息， 提升对感兴趣区域的定位能 力， 得出肺结节检测结果。 本发明将数据增强技 术与检测网络结合， 丰富了数据集的特征多样 性， 提升后续检测模型的精度； 通过将CA机制引 入YOLO‑V4检测框架， 构造CA ‑YOLO‑V4肺CAD系 统， 与数据增强结合后用于肺结节检测， 提高检 测精度， 在一定程度上减少结节的漏检 。 权利要求书2页 说明书5页 附图2页 CN 114387231 A 2022.04.22 CN 114387231 A 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S PP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， 获得了带标注的权　利　要　求　书 1/2 页 2 CN 114387231 A 2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。权　利　要　求　书 2/2 页 3 CN 114387231 A 3