本研究提出CamSAM2方法，通过去伪装标记和高分辨率特征融合，显著提升伪装视频物体分割效果，超越现有技术。

本研究提出了一种合成数据训练框架，以提高成人胶质瘤和脑膜瘤的分割效果，增强算法的鲁棒性，尽管该生成管道对脑膜瘤任务的适用性有限。

本文介绍了一种名为自适应补丁对比的新型ViT-based WSSS方法，通过增强补丁嵌入学习来提高分割效果。实验证明该方法在PASCAL VOC 2012和MS COCO 2014数据集上表现优于其他WSSS方法。

本研究提出了一种基于深度学习的医学体积分割方法，使用Med-Tuning框架实现了参数高效转移学习，提高了分割效果。该方法可以从头开始训练模型，也可以进行预训练后微调。