研发了一种计算机辅助诊断系统，可自动检测肺炎。系统使用DenseNet-121和ResNet50作为分类任务的主干，并引入了FCSSAM机制来突出显示相关通道的特定空间区域。在评估中，该方法在二元和多分类设置下的准确率分别为97.15%和79.79%，优于最先进的方法。

该论文提出了一种用于皮肤病变分割的增强模型AC-MambaSeg，通过使用Vision Mamba框架进行高效特征提取，进一步提升其对信息区域的聚焦能力和抑制背景噪声的能力。在多个皮肤病变图像数据集上评估了AC-MambaSeg的性能，显示出改善计算机辅助诊断系统和促进皮肤病学疾病早期检测和治疗的潜力。

建立计算机辅助诊断系统，支持医生进行内支气管超声手术中的初步诊断。通过立即检查其他部位，减少等待时间，早期发现其他癌症，实施早期治疗计划。使用少样本学习和Batch Spectral Regularization（BSR）作为损失函数和Finetune的修改，提高模型能力。