本研究提出了一种新的医学图像分类方法，通过解缠绕和样式正则化提取特征，超过了最先进的方法1％，突显了单域泛化框架的重要性和挑战。

本研究提出了一种新的医学图像分类方法，通过解缠绕和样式正则化提取特征，超过了最先进的方法1%。

医学数据分布变化导致深度学习模型性能下降。研究提出了一种新的医学图像分类方法，利用对比解缠绕和样式正则化提取特征。该方法在多中心组织病理图像分类任务上超过最先进方法1%，表现更稳定。