本研究提出了一种心脏表型引导的生成模型（CPGG），旨在解决高质量心脏磁共振成像（CMR）数据集稀缺的问题。该模型通过两阶段生成，成功合成大量高质量CMR数据，显著提升了诊断性能和心脏表型预测能力。

本研究提出了一种新颖的“OCT增强视网膜疾病识别”方法，利用未配对的多模态数据进行训练。通过OCT辅助概念蒸馏方法（OCT-CoDA），有效提取OCT图像中的疾病知识，显著提升诊断性能，展现良好的临床应用潜力。

本文介绍了一种基于YOLO的自动植物病害诊断系统，通过名为HSReM的训练策略提高了诊断性能。实验结果表明，该策略在大规模未知数据上比传统方法具有更好的综合性能。