Soroush Elyasi

EAGT研究通过基于几何的增强技术改进超声心动图分割

一篇新研究论文介绍了EAGT（用于泛化性和可迁移性的超声心动图增强）方法，旨在提高深度学习模型在超声心动图分割方面的性能。该研究评估了29种数据增强技术，发现像仿射变换和透视变换等基于几何的增强方法能显著提高跨数据集的准确性。研究还表明，结合互补的增强技术比单独使用某种方法能获得更好的结果，为开发更鲁棒的超声心动图分割模型提供了实践指导。