对抗式结构约束网络

单源域泛化分割领先

通过协同多模块对抗过程注入风格扰动并强化关键解剖结构表征，实现有效的内容-风格解耦，在单源域设置下保持跨域结构稳定性。

Yinchen, Zhou · Wenjun, Yu · Jiaxuan, Jiang · Shubin, Zeng · 李月娥 · 王忠

Knowledge-Based Systems 2026

技术优势

解剖结构更稳

引入解剖引导的一致性约束，在对抗扰动期间维持关键区域的结构稳定性，确保语义可靠性。

内容风格分离

通过协同多模块对抗过程注入风格扰动，同时强化关键解剖结构表示，实现有效的内容-风格解耦。

应用场景

• 医学图像分割：作为预训练模型迁移到其他医学分割任务，减少对新域标注数据的依赖。
• 眼底图像分析：提升眼底图像分割在不同设备或采集条件下的泛化能力。
• 跨域泛化：无需目标域数据，单源训练即可提升对未见域的鲁棒性。
• 视觉基础模型：充分利用VFMs的先验知识和结构感知能力，提升分割精度。