基于域适应的医学图像分割：综述

深度学习（DL）在各种医学影像数据分析应用中取得了显著成功。然而，由于数据分布差异导致的域偏移，当训练与测试数据集采集自不同扫描设备的站点时，DL 模型难以获得良好的泛化性。域适应通过缓解医学影像应用中的域差距，已成为应对该挑战的有效手段。在本综述中，我们特别关注基于 DL 的医学图像分割的域适应方法。我们首先介绍域适应的动机与背景知识，随后全面回顾域适应在医学图像分割中的应用，最后讨论该领域的挑战、局限性与未来研究趋势，以推动医学图像分割背景下域适应方法学的发展。我们的目标是为研究人员提供关于域适应在医学图像分割研究中应用的最新参考。