本研究使用多器官数据集为乳腺肿瘤分割任务预训练模型，通过对比学习提高性能。结果显示，对比学习预训练可以提高性能，并且使用一半标记数据进行微调也能达到相当性能。预训练多器官数据可以提高下游任务性能。

COVID-19大流行病反应凸显了深度学习方法在通过CT对肺部疾病进行自动分割的潜力。研究使用多态训练优化了一个网络，结合6000多个手动和自动标签的CT扫描，开发了一种用于肺部、气道、肺动脉和肺病变分割的端到端方法。在地面玻璃浑浊度和病变分割方面取得了最先进的性能。提供了一个开源实现的链接。