本研究提出了FlexEvent框架，克服了现有事件相机在固定频率下物体检测的局限性，实现了在任意频率下的高效检测，提升了动态环境中的准确性，并设立了新的基准。

本研究提出了一种实用的全切片图像肾小球分割方法，通过拼接重叠贴片提高检测覆盖率。实验结果表明，该方法在两个大型数据集上超越了以往技术，树立了新基准。

本研究提出了TriG-NER框架，旨在解决不连续命名实体识别中的实体分散问题。通过应用三元组损失，TriG-NER显著提高了实体边界检测的准确性，实验结果表明其在主流数据集上优于现有模型，设定了新基准。