CP-Dilatation：保持组织病理图像边界上下文信息的复制-粘贴式数据增强方法

医学AI诊断，包括组织病理图像分割，受益于深度学习技术的不断发展。然而，深度学习本身需要大量训练数据，而医学图像分割标注尤其需要高昂成本，由于医学专家资源短缺。为缓解这一问题，我们提出了一种新型数据增强方法，基于传统的复制-粘贴（CP）增强技术，称为CP-Dilatation，并将其应用于组织病理图像分割。该方法在众所周知的传统CP技术基础上添加了一种膨胀操作，可保留恶性肿瘤边界上下文信息，这一信息在组织病理学图像诊断中至关重要，因为恶性肿瘤与其边缘之间的边界大多不清晰，边缘区域包含大量上下文信息。我们的实验使用组织病理基准数据集进行，结果显示，所提方法在与其他最先进基线方法进行的比较中表现优于其他方法。