Nghiên cứu thử nghiệm mô hình nnU-Net trên 1.351 ca bệnh để phân đoạn khối u não, cho thấy hiệu suất giảm khi áp dụng trên các nhóm dữ liệu khác biệt. Kết quả chỉ ra rằng độ chính xác phụ thuộc đáng kể vào kích thước và cấu trúc của khối u.
QCell là mô hình dựa trên truy vấn mới giúp tách biệt các tế bào chồng lấp trong ảnh hiển vi bằng cách tái tổ hợp biểu diễn tiềm ẩn và căn chỉnh đối lập, giúp nhận diện cấu trúc tế bào chính xác hơn.
CW-BASS v2 giải quyết vấn đề bão hòa độ tin cậy khi dùng DINOv2 làm giáo viên trong phân đoạn bán giám sát, giúp cải thiện đáng kể hiệu suất trên các tập dữ liệu như ADE20K.
iFAN giải quyết sự lệch pha giữa quá trình huấn luyện và suy luận trong các mô hình Mask Transformer bằng cách điều chỉnh thứ hạng xác suất và chưng cất tri thức giữa các lớp, giúp cải thiện độ chính xác của phân đoạn hình ảnh.