本研究解决了COVID-19后遗症（PASC）患者肺纤维化风险评估的不足。我们提出一种新颖的多中心胸部CT分析框架，结合深度学习和放射组学，实现了82.2%的分类准确率和85.5%的AUC，旨在为早期检测PASC相关肺纤维化提供重要的临床指导。

本研究针对特发性肺纤维化（IPF）患者的疾病进展模型缺乏准确预测能力的问题，提出了一种新颖的4D矢量量化生成对抗网络（4D-VQ-GAN）。该模型能够生成任何时间点的真实CT图像，并通过生存分析展示其在临床应用中的潜力，提高对患者生存结果的预测准确性。

本研究提出了AeroPath数据集，包含27个CT图像，用于肺癌早期诊断和治疗。同时，提出了一种多尺度融合设计的自动气道分割方法，并在ATM'22数据集上进行了评估。结果表明，该方法能处理各种异常情况并准确预测有挑战性的病理范围。AeroPath数据集和网络应用程序已公开提供。