基于有限数据的COVID-19肺部感染的稳健的胸部CT图像分割 在本文中,我们提出并评估了一种在CT卷中自动分割COVID-19感染区域的方法。 我们的方法着重于动态生成独特且随机的图像补丁,以通过利用大量的预处理和大量的数据扩充来进行训练。 因此,可以处理充当变体数据库的有限数据集大小。 代替了新的复杂的神经网络体系结构,我们使用了标准的3D U-Net。 我们证明了我们的医学图像分割管道能够成功训练准确而强大的模型,而不会过度拟合有限的数据。 此外,我们能够胜过当前针对肺和COVID-19感染的最新语义分割方法。 我们的工作具有巨大的潜力,可作为临床决策支持系统用于临床环境中COVID-