本研究提出了一种新型三维卷积神经网络模型SFR，旨在有效预测体外受精牛胚胎的可转移性，验证了其在生物学任务中的有效性和准确性。

本研究提出了一种新颖的脑信号解码技术，通过预测DINOv2模型的图像嵌入，将fMRI信号解码为图像字幕，显著降低计算需求，并利用三维卷积神经网络考虑体素位置信息，从而提高解码精度和效率。

本文提出了一种基于三维卷积神经网络和双重注意力模块的重现性模型，用于阿尔茨海默病分类。该方法在ADNI数据库上训练并在AIBL和OASIS1两个独立数据集上验证，准确率达到91.94％和96.30％，具有良好的泛化能力。

本研究提出了一种结合三维卷积神经网络与长短期记忆网络的模型，用于对运动想象 - 电子脑接口信号进行分类。实验结果表明该模型在运动想象任务领域取得了更高的分类准确度和F1值，对用户的运动想象意图的分类准确度有较大的提升。