本研究提出了一种新的八次对称ViT架构，有效提升了计算机视觉模型的性能与效率。实验结果显示，该方法在分类和分割任务中显著提高了性能，同时将ViT-H的计算复杂度降低约40%。

本研究提出了一种新颖的深度学习模型——双空间核约束模糊C均值聚类算法，专注于内镜图像中胃出血的分类与分割，取得了87.95%的准确率和96.33%的特异性。