本研究提出EyeBench基准，旨在评估视网膜图像增强模型的效果，并结合多维临床任务，为医疗专家提供指导，以提升模型的临床相关性和应用性。

本研究提出了一种新的理性逻辑回归（RLR）模型，旨在提升深度学习在电子健康记录（EHR）数据上的表现。RLR模型在临床任务中表现优异，具备良好的可解释性，能够提供有价值的临床见解。

本研究提出ReflecTool框架，通过领域特定工具进行双阶段优化，显著提升大语言模型在复杂临床任务中的表现。

本文介绍了一种音频-视觉建模方法，可定位超声成像中的解剖区域。该自我监督方法学习到的解剖表征可提高下游临床任务性能，超过完全监督的解决方案。