基于残差注意力机制的肺结节数据增强方法

摘要

针对带标注的肺CT图像数据匮乏而导致的深度学习模型训练困难，以及现有生成算法生成肺结节不同特征模糊、细节丢失的问题，提出了肺结节图像的数据增强RAU-GAN算法。首先，在生成器网络中嵌入残差注意力模块，该模块可以聚焦于局部不同的感兴趣区域，以实现肺结节与背景信息的独立生成，并且重新设计了注意力模块中的残差块来减少网络的深度和训练的复杂度。其次，将判别器设计为U-Net架构，可以给更新后的生成器反馈更多信息，以提高判别性能。最后，在数据集LUNA16和Deep Lesion上进行实验，结果与现有方法相比，在视觉效果和不同评价指标上均有提升，验证了生成图像包含了更丰富的细节信息。

关键词

数据增强 / Pix2Pix / RAU-GAN / 残差注意力机制 / U-Net判别器

基金资助

国家自然科学基金(NSFC 61806024,NSFC12226003,NSFC12171076); 吉林省科技厅重点研发计划(20210201081GX,20200401103GX); 吉林省教育厅重点科研项目(JJKH20220685KJ,JJKH20220692KJ); 吉林省卫生厅卫生科研人才专项(2020SCZ25)