本研究提出了Triad模型，旨在提升3D磁共振成像（MRI）的性能。通过在131,170个3D MRI体积上进行预训练，并使用器官无关的成像描述，Triad显著改善了器官/肿瘤分割、分类和医学图像配准等任务的效果，同时保持数据一致性，最大化性能提升。

本研究提出了一种基于改进注意力 U-Net 架构的算法，用于腰椎 3D MRI 数据的全景分割，准确率达到 99.5%。该算法通过 DI2IN 初始化，结合聚类方法和稀疏性约束进行优化，表现出良好的性能。研究使用了包含 218 名患者的 MRI 数据集，并比较了不同分割算法的效果。

本文综述脑部MRI修复技术，目标是从病态扫描合成健康脑扫描，属于BraTS 2023挑战任务。研究将2D修复方法适配3D MRI数据，并评估多种技术，包括基于DDPM的细胞图像生成、弱监督病变生成、RePaint、GradPaint及贝叶斯COPAINT等，用于补全缺失信息并提升可解释性。