通过 3-D 挤压和激励卷积神经网络，在肺部计算机断层扫描中实现了对空间统计学信息感知的肺纹理模式和肺气肿亚型的准确分类。

该综述回顾了多项深度学习肺部分割研究：自动评分肺气肿亚型准确率达52%，高于此前的45%；MEDPSeg可分割肺、气道、血管及病变；MESAHA-Net精准分割肺结节；肺叶分割采用混合损失解决类别失衡；S-MEDSeg提升病变分割并研究长期COVID；还发现X线肺掩模低估肺容积，半监督模型可自动标注肺栓塞。