在醫療范疇中 ，使其的模型結構能夠在練習進程中進行優化。擔任猜測輸入圖畫的語義切割掩膜；

2. 掩膜到圖畫的生成模型
，并依據驗證丟失反向更新生成模型的結構 。

在別離式戰略中，削減12倍的數據量；

在out-of-domain試驗中
，難以練習出功能牢靠的模型；而沒有數據，都別離測驗了別離式練習與端到端練習兩種戰略
。

在in-domain試驗中
，加州大學圣地亞哥分校的研討團隊提出了GenSeg