本研究评估了三种视觉语言模型（RAD-DINO、CheXagent 和 BiomedCLIP）在胸部X光片气胸和心脏肥大任务中的表现。结果表明，RAD-DINO在分割任务中表现优异，而CheXagent在分类上更具优势。结合全局和局部特征的自定义模型显著提升了所有模型的性能，为选择基础模型提供了实用指导。

本文介绍了一种新的医学图像配准方法DINO-Reg，该方法利用训练免费的图像编码器，首次将通用视觉模型应用于医学图像配准，显著提升了注册的准确性和适应性。提出的RAD-DINO编码器在多项基准测试中优于传统模型，展示了深度学习在医学图像处理中的潜力。