本研究提出了一种自我监督的测试时间训练框架，解决了4D医学图像插值中的分布变化问题，显著提高了时间分辨率和诊断精度。实验结果显示，该方法在多个指标上表现优异，为其他领域提供了适应模板。

本文研究了医疗图像分类领域的挑战，通过引入基于类的变分自编码器和潜在空间插值的合成增强策略，提高模型的区分能力和诊断精度。实际应用中，该方法提高了欠代表性类别的准确度超过18%，整体准确度和精确度也提高了6%。