摘要
自动息肉分割技术在肠道疾病（如肿瘤和癌前病变）的诊断中发挥着重要作用。以往的研究通常基于标注数据，训练基于卷积神经网络的U-Net或基于Transformer的神经网络架构。然而，现有的公开息肉分割数据集规模过小，难以充分训练网络模型，从而抑制了各类网络的性能潜力。为缓解这一问题，我们提出了一种通用的数据增强技术，能够从现有数据集中合成更多训练样本。具体而言，该方法以空间互斥的方式将息肉区域粘贴至同一图像的背景中，从而生成大量组合式的新图像。在多种网络架构和数据集上的大量实验表明，所提出的方法显著提升了数据利用效率，并在各项基准测试中均实现了稳定性能提升。最终，我们在该任务上达到了新的技术水平。相关代码即将开源。