通过沿用高阶无噪音 LVGHD（三维）均一化成训练数据的分量，实现了数据的复制与修复，有助于预测分化格里马右半球的单元。

本研究提出了一种基于改进注意力 U-Net 架构的算法，用于腰椎 3D MRI 数据的全景分割，准确率达到 99.5%。该算法通过 DI2IN 初始化，结合聚类方法和稀疏性约束进行优化，表现出良好的性能。研究使用了包含 218 名患者的 MRI 数据集，并比较了不同分割算法的效果。

介绍了Mac App「莫负歇息」，帮助用户定时休息，保护视力。支持自定义休息规则、多语言、深浅色主题。可在Mac App Store搜索或点击链接下载。

我们提出了一种从少量术中透视X光图像生成脊柱三维解剖模型的方法，通过迁移学习和风格转移机制提高了深度学习模型在真实术中环境中的准确性。研究成果表明该方法在手术规划、导航和机器人技术领域有重要的应用潜力。