基于可解释性引导的数据增强技术用于多中心结肠镜数据的鲁棒分割

BriefGPT - AI 论文速递 ·

本文介绍了一种以可解释性显著图为中心的数据增强方法，用于提高结肠镜图像分割的深度学习模型的泛化能力。通过多中心多聚物检测数据集的测试，证明了该方法的有效性和多功能性。

可解释性显著图数据增强方法泛化能力深度学习模型结肠镜图像分割

原文中文，约400字，阅读约需1分钟。