MRI分割是一种有价值的医学诊断方法，但现有方法难以处理领域变化的局部差异，并需要大量数据进行训练。研究人员提出了一种新颖的自适应领域泛化框架，结合了无学习跨领域表示和测试时适应策略。在两个多模态MRI数据集上验证了该方法，在六个跨模态分割任务中表现优于竞争方法，且在有限的训练数据下表现稳定。