本文介绍了一种新框架DermoSegDiff，用于皮肤病变分割，结合边界信息和新损失函数，显著提升了分割效果。实验结果表明，该方法在多个数据集上优于现有技术，具有良好的泛化能力。此外，研究探讨了扩散模型在医学图像分割中的应用，并提出多种改进方法，以提高分割准确性和图像质量。

UltraLight VM-UNet是一种轻量级模型，用于皮肤病变分割。该模型结合了Mamba技术和UNet架构，实现了参数精简和高计算效率。实验结果表明，该模型参数数量仅为0.049M，计算效率为0.060GFLOPs。论文还探讨了影响参数数量的关键因素。该模型在三个公开的皮肤病变数据集上表现优秀，为轻量化模型设计提供了理论支持。

MDViT是一种多领域ViT，具有领域适配器，可以自适应地利用多个小型数据资源中的知识来减轻数据饥饿和对抗NKT，实现增强跨领域的表示学习。实验表明，MDViT在4个皮肤病变分割数据集上胜过了最先进的算法，在推理时具有更好的分割性能和固定模型大小，即使增加更多的领域。