本文介绍了一种联合训练的多器官分割模型，利用少量器官数据集和软标签减少噪声，实验结果表明其性能优于现有方法。此外，研究探讨了自我监督学习和对比学习在医学成像中的应用，提出了多教师单学生知识蒸馏框架和新损失函数，显著提升了分割任务的效果。

本文探讨了深度学习在肺栓塞诊断中的应用，结合CTPA成像和临床数据，提出多模态融合方法以提高预测准确性。研究表明，深度学习模型在生存率预测方面优于传统方法，并通过对比学习和特征增强技术优化了肺栓塞的自动分割效果，为临床诊断提供了更强大的工具。