本研究介绍了一个新的大规模直肠癌CT图像数据集CARE和U-SAM模型。实验证明U-SAM在CARE和WORD数据集上优于现有方法，为未来研究和临床应用提供了基线。

本研究介绍了一个新的大规模直肠癌CT图像数据集CARE和U-SAM模型。实验证明U-SAM在CARE和WORD数据集上优于现有方法，为未来研究和临床应用提供了基线。

该研究提出了一种用于CT图像中肝脏和肝脏病变联合分割的模型，该模型在肝肿瘤分割挑战赛中表现出竞争性的结果。该模型不需要使用外部数据，并提出了一个简单的单阶段模型进行端到端的训练。研究结果显示，该方法在病变分割性能和病变检测精度方面表现出色。

本研究使用模糊信息种子区域生长算法提高中风病变分割准确性，实验结果与参考标准相似，可用于中风的医学影像分析。

该研究提出了一种用于CT图像中肝脏和肝脏病变联合分割的模型，该模型在2017年的肝肿瘤分割挑战赛中表现出竞争性的结果，并且不需要使用外部数据。该方法几乎达到了顶尖的病变分割性能，并在保持高召回率的情况下实现了第二高的病变检测精度。