本研究提出了一种基于深度学习的诊断方法，针对光化性角化病和银屑病的早期诊断，采用修改后的VGG16模型，准确率达到90.67%。

本研究提出了一种基于余弦相似度的Masked-Unmasked Face Matching Model (MUFM)，结合VGG16模型和K-最近邻算法，有效识别佩戴和不佩戴口罩的人脸，显著提升识别准确率。

本文提出了一种新的通道剪枝方法，能够加速深度卷积神经网络。剪枝后的VGG-16实现了5倍速度提升和仅0.3％误差增加。该方法还能加速ResNet和Xception等现代网络，准确度损失较小。

本研究探讨了卷积神经网络是否能模仿人类的完形闭合能力。研究发现VGG16和DenseNet-121模型展现了闭合效应，提升了对神经网络理解的透明度与比较性。

本研究提出了一种基于轻量深度学习的肺部疾病检测和定位方法，通过使用预训练的VGG-16权重实现高准确率的肺区域分割和感染区域定位，具有实时和资源有限环境下的应用潜力。

本文提出了一种新的通道剪枝方法，通过修剪每一层，进一步推广到多层和多分支情况，剪枝后的 VGG-16 实现了 5 倍速度提升和仅 0.3％误差增加的最新成果，能够加速现代网络，例如 ResNet，Xception，准确度损失较小。

本文使用深度卷积神经网络和迁移学习方法自动分类皮肤病变，提高病变检测的分类准确率。