Исследователи представили метод OTLesMix, использующий барицентры Вассерштейна и карты оптимального транспорта для генерации синтетических поражений на медицинских снимках. Технология позволяет создавать разнообразные по форме и локализации патологии, что значительно улучшает качество аугментации данных и повышает точность сегментации в глубоком обучении при работе с ограниченными наборами медицинских изображений.
Традиционные методы аугментации, такие как геометрические трансформации или изменение интенсивности пикселей, часто ограничены в создании реалистичных анатомических вариаций. Новый подход моделирует распределение патологических изменений, позволяя нейросетям эффективнее обучаться на редких или сложных случаях заболеваний. Использование теории оптимального транспорта обеспечивает математическую строгость при переносе характеристик поражений на здоровые участки тканей, сохраняя при этом анатомическую достоверность снимков.
Метод решает проблему нехватки размеченных данных, которая является критическим барьером в медицинской диагностике с применением ИИ. Интеграция синтетических данных, созданных с помощью OTLesMix, позволяет моделям лучше адаптироваться к различным клиническим сценариям, снижая риск переобучения на узких выборках и повышая общую надежность систем автоматизированного анализа изображений.
Ключевые факты
- Метод опирается на барицентры Вассерштейна для усреднения и интерполяции признаков патологий.
- Технология обеспечивает генерацию поражений с высокой вариативностью форм и пространственного расположения.
- Подход направлен на повышение точности сегментации в задачах медицинской визуализации.
- Алгоритм минимизирует необходимость в ручной разметке больших объемов данных за счет синтетической аугментации.