数字病理学中的深度学习提升了病理分析的智能和自动化。研究者通过全覆盖损坏仿真方法评估和增强模型的鲁棒性。他们构建了基准数据集，并评估了深度神经网络在分类和分割任务中的鲁棒性。使用这种损坏的数据集作为训练和实验的增强数据，可以显著提升模型的泛化能力。