领域适应学习：改进损失函数组合的组织学图像无监督适应
原文中文，约300字，阅读约需1分钟。发表于：。这篇论文提出了一种针对 H&E 染色组织学图像的无监督领域自适应 (UDA) 的新方法，通过利用组织结构和细胞形态等组织学特征来提高领域适应性能。该方法在准确性、鲁棒性和泛化性方面经过了广泛评估，并且在 FHIST 数据集上的实验结果表明，我们提出的方法 (Domain Adaptive Learning，DAL) 明显超过了基于 ViT 和 CNN 的最先进方法分别有 1.41% 和 6.56% 的提升。
本文综述了医学影像中最新的深度无监督领域自适应技术，将其分类为六组，并根据不同任务进行了子分类。同时讨论了用于评估不同领域之间差异的研究中使用的相应数据集。最后，提供了未来研究方向的见解和讨论。
