该研究使用卷积神经网络进行迁移学习，自动检测糖尿病视网膜病变。通过改进现有方法，使用U-Net神经网络架构进行分割，该模型在视网膜病理评估中表现出潜力。该研究对改善糖尿病视网膜病变患者的预后具有重要贡献。

该研究使用MST-former网络预测青光眼和阿尔茨海默病，通过多尺度时空变换和时间距离矩阵处理不规则采样数据，取得了显著的优势。青光眼预测的AUC值达到98.6%。

研究了基于便宜的输入提示的视觉任务模型SAM，可在图像中分割对象。SAM在零样本图像分割准确性上表现良好，但在航空图像问题中可能失败。