本研究提出了一种探索性扩散策略（EDP），旨在解决无监督强化学习中预训练策略适应性不足和异质数据处理的问题。实验结果表明，EDP在预训练和微调阶段均表现优异。

本研究提出GNNMoE模型，旨在解决图神经网络在异质数据和长程依赖性方面的局限。通过细粒度消息传递与专家混合机制，该模型提升了节点分类能力。实验结果表明，其在多种图数据上表现优异，增强了鲁棒性和计算效率。

本研究提出了SegHeD模型，用于多发性硬化病灶分割，能有效处理不同数据集的异质性。模型结合领域知识，采用纵向、空间和体积约束，性能优于现有方法，为多发性硬化的监测和诊断提供了新工具。