本文综述了医学图像分析中的领域泛化研究，提出了多种应对域偏移的方法，如Deep Stacked Transformations (DST)和自去噪Y-Net。这些方法在不同医学数据集上表现出良好的泛化性能，有效提升了医学图像分割的准确性，尤其在数据稀缺的情况下。