本研究提出了一种新的双域多路径自监督扩散模型（DMSM），有效解决了MRI重建中的长采集时间和高计算成本问题。实验结果表明，DMSM在重建精度、效率和不确定性估计方面表现优异，提升了临床应用的可解释性。

该研究提出了一种新的Transformer框架multiPI-TransBTS，用于改善脑肿瘤图像分割的自动化挑战。该框架整合了空间信息、语义信息和多模态成像数据，有效应对脑肿瘤特征的异质性。在BraTS2019和BraTS2020数据集上展现了优于现有方法的性能，为改善脑肿瘤患者的临床结果提供了新的可能性。

本研究解决了大规模视觉语言模型（LVLMs）在多模态理解中产生幻觉的问题。提出了一种无需训练的框架MVP，通过多视角信息搜索策略和多路径推理来提高输出的准确性。实验表明，该方法显著减少了LVLMs中的幻觉现象，提升了模型的表现。