本文提出了开源工具Dante，为Dafne联邦学习框架提供深度学习模型的预训练与参数高效微调功能，以解决医学图像分割中目标域标注数据稀缺时的模型适应问题。
本文提出了一种高效的数据增强方法，通过单一序列生成多样化的增强数据，解决了CT与MRI跨域三维脊柱分割中因标注数据稀缺和成像协议差异导致的模型泛化能力不足问题。
本文提出了一种基于熵的公平主动学习方法，旨在降低医学图像分割标注成本的同时，缓解不同敏感属性群体间的性能差异。
本文提出了仅需一张标注模板图像的医学图像分割框架SemiSAM-O1，以解决现有基础模型驱动的半监督学习方法在复杂成像模态下性能鲁棒性不足的问题。