摘要: 为了解决带标注的医学影像数据过少导致模型学习能力有限以及深度检测过程中下采样带来的微小结节特征容易丢失的问题,设计了一种基于CT-GAN的数据增强及改进YOLO-V4检测框架的肺CAD系统. 第一部分,在结节生成算法CT-GAN中引入DropBlock正则化方法,实现带标注医学影像的数据增强,以提升肺结节的生成质量. 第二部分,在YOLO-V4中引入注意力机制,构造CA-YOLO-V4框架,以捕捉肺结节的位置感知、方向感知和跨通道的信息,帮助模型更加精确地检测肺结节感兴趣区域. 实验结果表明,所提肺CAD系统,在LUNA16数据集上,数据增强及结节检测的性能指标均优于对比算法,能够有效扩充数据集,提升结节检测性能.
中图分类号: