本文介绍了一种针对医疗图像分割的对抗性数据增强方法，旨在提高神经网络在低数据情况下的泛化能力和鲁棒性。同时，研究了手术工具检测和图像污染对深度学习模型的影响，并提出了新的损坏仿真方法OmniCE，以增强模型在病理图像中的表现。