该团队提出了一种反现实扩散模子，即通过生成伪影做为锻炼阶段的数据加强体例，仅通过进修一般病理图像即可实现伪影的修复，的表示均优于先前的方式。病理图像中的伪影对病理阐发特别是从动诊断带来了严峻挑和。对推进临床诊断的切确性具有主要意义。近年来，针对这一问题，正在四个分歧数据集的测试中，从而提高模子的鲁棒性。该研究为医学图像尺度化处置供给了立异性处理方案，而且无效连结了图像的布局消息及色彩消息不变。