本研究提出了一种名为PRECISe的可解释模型，用于解决医疗图像分类中的训练数据有限和类别不平衡的问题。PRECISe在针对少数类进行数据高效泛化方面优于现有方法，仅使用少于60张图像训练时，检测肺炎的准确率达到了约87%。

DINO-CXR是一种自监督方法，通过对胸部X射线进行分类预训练，证明了其在肺炎和COVID-19检测方面的有效性，并在准确性方面胜过了最先进的方法，同时少使用了标记数据。