本研究提出了一种概念相似性推理网络（CSR），旨在提升计算机辅助诊断中的模型决策解释与干预能力。CSR通过提供图像区域的概念原型，实现了补丁级别的解释和空间交互，在三个生物医学数据集上可解释性性能最高提高4.5%。

本研究提出了一种新的长尾医学诊断框架（LMD），旨在解决计算机辅助诊断中的样本不平衡问题。通过关系感知表示学习和迭代分类器校准，该方法有效提升了少数类的分类效果，实验结果表明其性能显著优于现有方法。

本研究提出了一种新颖的层次分离网络（LSN）方法，解决了类风湿性关节炎中关节间隙宽度评估的数据质量问题。实验结果表明，LSN合成图像与真实影像高度相似，显著提升了计算机辅助诊断系统的性能。

本研究提出了一种自监督训练策略，以提高肾细胞癌亚型分类的效率，解决因早期症状不明显导致的诊断延误问题，推动计算机辅助诊断工具的发展。

本文介绍了多种计算机辅助诊断系统（CAD）在牙科疾病检测中的应用，包括基于深度学习的X光片自动诊断、舌部分割模型TongueSAM，以及利用弱监督和自监督学习的方法进行牙齿分割和分类。这些系统在准确性和性能上优于传统方法，展现了在牙科领域的潜力。

本文探讨了多模态学习在医学中的应用，特别是在淋巴结转移和癌症诊断中的重要性。研究提出了多种模型和框架，如MultiCoFusion和FORESEE，以提高早期乳腺癌和非小细胞肺癌患者的生存预测和治疗决策的准确性，展示了多模态数据融合的潜力，推动了计算机辅助诊断的发展。

本研究设计了一种结合3D神经网络和SlowFast网络的计算机辅助诊断系统，旨在实时分析支气管超声视频，以区分良恶性肺部病变。该系统在图像噪声存在时仍能保持高准确率，辅助医生进行诊断。

本研究设计了一种计算机辅助诊断系统，利用3D神经网络和SlowFast网络区分良性与恶性肺部病变，支持实时分析。提出的Two-Stage Detection and Diagnosis Network提高了乳腺癌超声诊断的准确性，并在肺结节筛查和胆囊癌检测中表现优于现有技术。

研究人员设计了ThyGPT，一种人工智能增强型计算机辅助诊断模型，用于评估甲状腺结节风险。实验证明ThyGPT优于传统方法和孤立模型，有望改变放射科医生的工作流程。

皮肤病变对黑素瘤监测至关重要。丑小鸭痣是一种特征鲜明的痣，与其他病变不同。计算机辅助诊断结合机器学习和患者分析方法，提高诊断准确性，缓解专业人员短缺问题。机器学习和深度学习技术在黑色素瘤和痣检测中广泛应用，结果与专家相当。

通过创建LTML-MIMIC-CXR数据集，提出了一种解决胸部X光片中罕见疾病检测的基准方法。该方法包括自动标注修正的大型损失重新考虑策略和自适应负正则化方法。在LTML-MIMIC-CXR上的评估显示出显著进展，为计算机辅助诊断提供了基础。

本文介绍了TBX11K数据集，包含11200个带有肺结核区域边界框标注的胸部X光图像，可用于训练结核病诊断模型。作者提出了基准模型SymFormer，并在该数据集上取得了最先进的性能。同时，作者提供了数据、代码和模型。

皮肤病变对黑素瘤监测很重要，丑小鸭痣是特征鲜明的痣。计算机辅助诊断结合机器学习和患者分析方法提高了诊断准确性，缓解了专业人员短缺问题。机器学习和深度学习技术在黑色素瘤和可疑痣检测中广泛应用，取得了与专家相当的结果。