本研究提出CARL模型，解决光谱成像中因摄像机差异导致的模型通用性不足问题。该模型通过波长位置编码和自注意力机制，有效提取光谱信息，展现出在医疗成像、自动驾驶和卫星成像等领域的优越性能。

本研究提出了改进版SAM2模型，旨在提升图像和视频分割模型在跨领域适应性和泛化能力方面的表现。尽管特定领域适应性仍需进一步研究，但其在医疗成像等专业领域的应用潜力巨大。

本研究提出了一种新架构SpliCER，旨在解决自监督表示学习在复杂特征学习中的不足。通过图像分割提取信息，提升下游应用表现，尤其在医疗和地理空间成像领域展现出良好潜力。

本研究提出了一种后训练量化框架，成功在3D医疗分割模型上实现8位量化，显著降低模型大小和推理延迟，同时保持性能，为资源受限的医疗成像应用提供高效解决方案。