本研究评估了DINOv2模型在复杂解剖结构下进行左心房分割的有效性，平均Dice系数为0.871，Jaccard指数为0.792，显示其在医学影像中的应用潜力。

本文介绍了一种基于深度学习的自动化 LGE-MRI 图像诊断质量评估方法，重点在于左心房检测和纤维化治疗规划。研究表明，双连续 CNN 网络在左房分割中优于传统方法，Dice 分数达到 93.2%。此外，多实例学习模型在头部 CT 扫描和乳腺肿瘤分类中表现出色，展示了深度学习在医学影像中的应用潜力。