该论文提出了多种新方法用于CT图像分析，包括基于影像亮度直方图的病变分割、3D对比混合分类网络用于COVID-19评估，以及自监督3D变形器模型识别肺结节。这些方法显著提高了检测精度和图像质量，优化了医学影像处理。

本文介绍了一种名为“Lesion-Net”的全卷积网络，旨在解决糖尿病性视网膜病变分级中的三大挑战。该方法在12K张眼底图像上进行实验，显示出在病变分割、分类和分级任务上优于现有技术，具有高准确性和有效性。

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。