BriefGPT - AI 论文速递 · 2023-08-30T00:00:00Z 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 💡 原文中文，约400字，阅读约需1分钟。 📝 内容提要 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。 🏷️ 标签 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 阅读原文 生成长图 分享链接 已复制链接
