Ce document propose un nouveau cadre pour la segmentation des poumons dans les radiographies thoraciques. Il comprend deux contributions majeures : un réseau de segmentation basé sur l'attention croisée et une synthèse d'images radioréalistes de radiographies thoraciques (c'est-à-dire une radiographie synthétisée qui apparaît anatomiquement réaliste) pour l'augmentation de données. Les modules d'attention croisée capturent des informations contextuelles globales riches dans les directions horizontale et verticale pour tous les pixels, facilitant ainsi une segmentation précise des poumons. Pour réduire le fardeau de l'annotation manuelle et former un segmenteur de poumons robuste capable de s'adapter aux poumons pathologiques avec des contours pulmonaires flous, un module de traduction d'image à image est utilisé pour synthétiser des radiographies thoraciques anormales radioréalistes à partir d'images normales en tant que source pour l'augmentation de données. Les masques pulmonaires des radiographies thoraciques anormales synthétisées sont propagés à partir des résultats de segmentation de leurs homologues normaux, puis servent de masques pseudo-réels pour l'entraînement du segmenteur robuste. De plus, nous avons annoté 100 radiographies thoraciques avec des masques pulmonaires sur un ensemble de données plus difficile du NIH Chest X-ray contenant à la fois des vues postéro-anterieures et antéro-postérieures pour évaluation. Des expériences approfondies valident la robustesse et l'efficacité du cadre proposé. Le code et les données peuvent être consultés à l'adresse suivante : https://github.com/rsummers11/CADLab/tree/master/Lung_Segmentation_XLSor .