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。