本研究探讨了计算病理学中的域泛化问题，提出通过关注细胞核形态和组织来提升癌症检测的域外泛化能力。结果表明，该方法在多个数据集上显著提高了鲁棒性。

该研究提出了一种基于细胞核感知的自监督预训练框架，通过无配对图像转换来捕获细胞核形态和分布信息，并采用条件和随机样式表示来调节生成过程，以实现预训练图像的真实性和多样性。实验结果表明，该方法在多个任务上优于有监督和其他自监督方法。