多模态医学影像快速自动数据增广方法数据集

本数据集依托国家重点研发计划"面向腔镜手术机器人的多模态感知和控制方法研究"项目，聚焦复杂技术场景下深度模型训练中数据稀缺与样本不平衡问题，构建了多模态医学影像快速自动数据增广方法数据集。核心算法基于PyTorch深度学习框架，在配备多张NVIDIA 3090 GPU的高性能计算服务器上，结合CUDA加速技术与混合精度训练策略完成大规模开发与优化。数据集覆盖时间范围为2023年01月至2025年12月，时间精度达到超声视频动态关键帧级别；空间范围主要针对人体乳腺病灶及管状器官等解剖结构，空间精度达到像素级医学影像目标分割水平。计算方法融合了双任务学习、语义先验引导的自适应数据增强、特征信息提取及深度网络模型量化等核心算法。数据集主要包含基于双任务学习与数据增广的管状器官图像分割代码，以及基于自适应数据增强的超声视频分析代码。质量控制方面，算法研发全过程采用交叉验证与消融实验进行严密评估，核心增广系统已通过第三方权威机构检测认证。实验结果表明，本方法可将数据增广搜索运行时间从768小时大幅缩减至5小时，效率提升两至三个数量级。本数据集对推动医疗机器人技术的基层化推广、提升国产医疗设备标准化水平具有重要的科学验证意义与潜在重用价值。