基于通道权重和数据效用特征的医学图像分割数据增强方法

摘要： 在计算机辅助医疗诊断领域，获取含标签的医学数据代价昂贵，同时对模型的可解释性要求较高，而目前大多数深度学习模型存在数据缺乏和可解释性差的局限。为此，本文提出一种新颖的用于医学图像分割的数据增强方法，其优势和新颖之处在于，通过梯度类激活热力图提取数据效用特征并与原图像进行融合，然后构建新的通道权重特征提取器来学习不同通道间的权重，最终实现了不具有破坏性的数据增强效果，提升了模型的... （共9页）