تلعب تقنية التجزئة التلقائية للبوليبيات دورًا مهمًا في تشخيص الأمراض المعوية، مثل الأورام والآفات ما قبل السرطانية. في الدراسات السابقة، تم عادةً تدريب هياكل شبكات عصبية تعتمد على التحويلات التلافيفية (U-Net) أو الهياكل القائمة على المُحَوِّل (Transformer) باستخدام بيانات مُعلَّمة. ومع ذلك، فإن المجموعات العامة المتاحة للبيانات الخاصة بتجزئة البوليبيات صغيرة جدًا لدرجة لا تكفي لتدريب الشبكة بشكل كافٍ، مما يحد من الأداء المحتمل لكل شبكة. ولتخفيف هذه المشكلة، نقترح تقنية عامة للتكبير التلقائي للبيانات لاستخلاص بيانات إضافية من المجموعات الحالية. وبشكل دقيق، نقوم بوضع منطقة البوليبيات في خلفية الصورة نفسها بطريقة استثنائية فضائية، مما ينتج عددًا كبيرًا من الصور الجديدة المُجمَّعة. أظهرت تجارب واسعة على شبكات ومتغيرات بيانات مختلفة أن الطريقة المقترحة تحسّن كفاءة البيانات وتحقق تحسينات متسقة مقارنة بالأساليب التقليدية. وأخيرًا، تم تحقيق حالة جديدة من التميز في هذا المهمة. وسنُطلق الكود قريبًا.