加州大学洛杉矶分校的研究团队提出了一种自监督深度学习方法spIsoNet，显著提升了冷冻电镜图像质量，解决了取向优势问题，推动了生物大分子重建的精度和各向同性，为结构生物学带来了新突破。

本文研究了在医学成像中使用自监督深度学习的应用，特别是在存在两种扫描模式的同一主体的情况下。作者提出了一种针对多模式图像匹配对比框架，并且可以在没有监督的情况下执行自动跨模式扫描配准。最后，作者使用这些配准将DXA扫描的分割图传输到MR扫描中，训练可以分割解剖区域的网络。