在in-domain試驗中，明顯下降醫師手藝標示擔負 。但一個遍及的中心難題仍然存在——對很多高質量標示數據的依靠。而這些在醫療范疇仍存難以獲得。

在所有試驗中，試驗中額定測驗了兩種代替生成模型：根據分散模型的BBDM和根據變分自編碼器的Soft-intro VAE 。半監督學習），用于猜測輸入掩膜對應的圖畫。助力構建更高效、但需權衡核算功率與本錢
。H標明數據生成模型中的判別器
，

在同域與跨域設定下均可帶來10–20%的肯定功能提高
，

GenSeg三層優化練習結構

該論文近來被世界聞名期刊Nature Communications正式接納