本研究提出了一种自适应视觉-语言模型，用于肺动脉和静脉的三维分割，减少了对标注数据的依赖。通过语言引导的交叉注意力融合框架，结合预训练的CLIP模型，实验结果表明该方法在分割任务上优于其他先进技术。

该文综述深度学习在血流动力学与心脏建模中的应用，包括：用CCTA图像预测冠脉血流分布，HybridVNet从CMR生成高保真网格，无创计算颈动脉血流并定位癫痫灶，自动生成薄壁心脏模型，Vox2Cortex-Flow重建皮层表面，COPDFlowNet生成气道流场，以及PointNet与DeepCFD实现快速流场预测，较传统CFD提速数百倍。