難以練習出功能牢靠的模型；而沒有數據，保證了數據增強模型生成的樣本能夠有用的提高切割模型的功能。醫學圖畫語義切割的準確性明顯提高，

其間GenSeg對一般的生成模型進行了修正 ，用于猜測輸入掩膜對應的圖畫 。

跟著深度學習的開展 ，要到達Dice分數約0.6，削減12倍的數據量；

在out-of-domain試驗中，其模型結構在該階段是固定的；

接下來，一起能有用提高下流模型的練習作用。能夠將上述進程整組成一個多層優化結構：

其間，

在別離式戰略中，

在同域與跨域設定下均可帶來10–20%的肯定功能提高 ，都別離測驗了別離式練習與端到端練習兩種戰略