基于通道權重和數(shù)據(jù)效用特征的醫(yī)學圖像分割數(shù)據(jù)增強方法

摘要： 在計算機輔助醫(yī)療診斷領域，獲取含標簽的醫(yī)學數(shù)據(jù)代價昂貴，同時對模型的可解釋性要求較高，而目前大多數(shù)深度學習模型存在數(shù)據(jù)缺乏和可解釋性差的局限。為此，本文提出一種新穎的用于醫(yī)學圖像分割的數(shù)據(jù)增強方法，其優(yōu)勢和新穎之處在于，通過梯度類激活熱力圖提取數(shù)據(jù)效用特征并與原圖像進行融合，然后構建新的通道權重特征提取器來學習不同通道間的權重，最終實現(xiàn)了不具有破壞性的數(shù)據(jù)增強效果，提升了模型的... （共9頁）