FreeTumor是一个大规模合成和分割肿瘤的基线工具，旨在帮助医学研究者扩展肿瘤分割数据集。该工具支持多种肿瘤类型，包括肝、胰腺、肾肿瘤以及COVID-19，具有高效的数据处理能力，适用于医学研究人员和数据科学家。

Triomics是一个专为癌症护理设计的前沿生成性AI平台，旨在通过智能化手段提升肿瘤研究和护理操作的各个方面，尤其是在临床试验招募和患者匹配方面。该工具旨在帮助肿瘤医生、临床导航员和医疗管理人员简化复杂的流程，使其更容易管理肿瘤领域日益增多的数据和工作量。

WeCLIP是一个强大的语义分割模型，基于冻结的CLIP结构，致力于弱监督学习，通过有效的特征提取提升图像分割的性能，适用于各种计算机视觉任务。

CheXagent是一个基于视觉和语言的基础模型，专注于胸部X光片的解读，旨在解决医学图像领域中大规模视觉-语言数据集的有限性等挑战。该模型利用大规模的指令微调数据集CheXinstruct，设计了一个临床大型语言模型(LLM)和一个用于表示X射线图像的视觉编码器，同时连接视觉和语言模态的网络，提供了新的评估基准CheXbench用于系统评估。

本项目对零阶优化技术进行了基准研究，重点关注在微调大型语言模型时的内存效率。