分析医学图像的数据增强：以超声图像为例

数据增强是提高深度神经网络泛化性能最有效的技术之一。然而，尽管在医学图像分析中经常面临数据可用性有限的问题，但它常常未被充分利用。这似乎是由于我们集体对不同增强技术在医学成像任务和模态中的功效理解存在差距。在乳腺超声图像领域尤其如此。本工作通过分析不同增强技术在超声图像中乳腺病变分类的有效性来解决这个问题。我们评估了研究结果在多个数据集上的泛化性，证明了某些增强技术远比其他技术更有效，并表明它们的使用带来了显著的性能提升。