本研究提出了一种算法，通过自动提示选择提升SAM在因疾病导致的不透明性覆盖的胸片肺部分割中的零样本性能，平均Dice分数达到95.5%。

本研究使用自分类分类器和人工智能方法，通过血液检测样本和放射学图像将COVID-19患者与其他人区分开。模型准确率达94.09％，提供结果更快。研究强调了人工智能在COVID-19检测和管理中的潜力。

在医学决策领域，医学图像异常检测在少样本情景下起关键作用。研究提出了一种创新方法MediCLIP，通过自监督微调将CLIP模型适应于少样本医学图像异常检测。实验证明该方法在异常检测和定位方面具有最先进性能。