本研究提出了一种新的深度学习框架用于检测Bankart损伤，并引入了首个公开的肩部病症数据集ScopeMRI。研究结果表明，该模型在常规MRI上的诊断性能与放射科医生相当，展示了深度学习在非侵入性影像诊断中的潜力。

联影发布“元智”医疗大模型及多款智能体，推动医疗AI从工具向智能协作者转变。新模型结合多模态数据，提高影像诊断和临床治疗的效率与精准度，助力医疗行业变革。

本研究开发了一种基于深度放射组学的计算机诊断模型，提升了乳腺癌SBR分级的预测精度，减少了患者的痛苦与费用。通过机器学习和多序列融合网络，优化了乳腺癌的影像诊断与治疗，推动了癌症研究的进展。

该文综述深度学习在阿尔茨海默病影像诊断中的研究：包括ResNet端到端3D CNN结合注意力机制，在ADNI数据集上sMRI和PET准确率分别达89.71%和91.18%；多模态多尺度网络预测致残（85.68%）；迁移学习检测较文献提升3%；3D CNN免颅骨去除分类；实例规范化提升14%；自监督对比学习预测MCI转化；孪生网络预测转化时间；以及3D CNN加双重注意力在ADNI训练、AIBL和OASIS1验证，AD分类达96.30%、MCI进展91.94%，泛化准确率为86.37%和83.42%。