本研究提出了一种基于nnU-Net框架的自动分割方法，用于低收入和中等收入国家的缺血性中风检测。该方法在非对比计算机断层扫描图像中取得了显著的Dice得分和IoU得分，帮助临床医生更好地评估病灶并指导治疗。

本研究提出了一种结合数字病理和临床特征的多模态人工智能测试，旨在提高乳腺癌复发风险评估的准确性。该测试利用视觉变换器模型与临床数据，在8161名患者中表现优于传统的Oncotype DX检测，促进个性化治疗选择。