本研究提出了一种基于局部纹理特征的自动二分类方法，用于锥形束CT中外部颈部吸收（ECR）的识别与评估。该方法能够准确检测ECR引起的微小信号变化，并通过纹理特征的聚类分析帮助区分缺损及识别钙化模式，为ECR的预后生物标志物开发奠定基础。

本文介绍了多种视频定位模型的研究进展，包括DeNet、SNGP、CONE和VTG-GPT等。研究者通过不同方法提升视频时序定位的精确度和效率，探索大规模预训练模型在视频对齐任务中的应用，并提出了无训练视频时间定位方法，展现了良好的泛化能力。

CoNe是一种用于图像分类问题的监督学习框架，利用样本特征和相似邻居特征生成更适应和精细的目标，并结合分布一致性作为正则化策略来提高性能。实验结果表明，CoNe在不同的基准数据集、网络结构和设置下取得了最先进的性能。