本研究提出了一种自动化且可解释的风格迁移方法，旨在解决放射科医生对 X 射线图像风格的偏好问题。通过引入可训练的局部拉普拉斯滤波器，并结合多层感知器和归一化层，显著提升了结构相似性指数 (SSIM)，展示了其应用潜力。

研究人员设计了ThyGPT，一种人工智能增强型计算机辅助诊断模型，用于评估甲状腺结节风险。实验证明ThyGPT优于传统方法和孤立模型，有望改变放射科医生的工作流程。

本文提出了一种新方法，利用CNN-DS-AM预测肝脏肿瘤，实验证明该方法提高了预测准确性和鲁棒性，可协助放射科医生进行诊断和治疗规划，准确率达95.5%以上。

该研究使用深度卷积神经网络进行乳腺癌筛查检查分类，AUC为0.895。结合放射科医生预测可提高准确性。