تعد تقسيم الصور إلى أجزاء مهمة في العديد من التطبيقات الطبية. تحقق الطرق المستندة إلى الشبكات العصبية التلافيفية دقةً متميزة؛ ومع ذلك، فإنها تعتمد عادةً على التدريب الإشرافي باستخدام قواعد بيانات كبيرة ومصنفة. يتطلب تصنيف الصور الطبية خبرةً ووقتاً كبيرين، وتفشل الأساليب التقليدية المعدلة يدوياً لزيادة البيانات في التقاط التغيرات المعقدة في هذه الصور.نقدم طريقة آلية لزيادة البيانات تهدف إلى إنشاء صور طبية مصنفة. نوضح طرقنا في مهمة تقسيم صور الرنين المغناطيسي (MRI) للدماغ. تتطلب طريقتنا فقط مسحًا واحدًا مقسمًا، وتستفيد من المسحوصات غير المصنفة الأخرى بطريقة شبه إشرافية. نتعلم نموذجًا للتحولات من الصور، ونستخدم هذا النموذج مع المثال المصنف لإنشاء أمثلة مصنفة إضافية. يتكون كل تحول من حقل تشوه فضائي وتغيير في الكثافة، مما يمكن من إنشاء آثار معقدة مثل الاختلافات التشريحية وإجراءات الحصول على الصورة. نظهر أن تدريب تصنيف إشرافي بهذه الأمثلة الجديدة يوفر تحسينات كبيرة على أفضل الطرق الحالية لمهمة تقسيم الصور الطبية بمثال واحد فقط. رمز البرمجيات متاح على الرابط: https://github.com/xamyzhao/brainstorm.