本文介绍了自定义对抗训练（CAT）算法，通过自适应调整对抗样本的扰动和标签，提升训练样本的多样性，改善模型性能。研究提出的Medi-CAT训练策略有效解决医学图像中的欠拟合和过拟合问题，实验结果显示准确性提高了2%。此外，Class-Aware Teacher（CAT）方法有效减少域自适应中的类别偏差，提升模型在不同数据集上的表现。