← 返回 PaperDaily 视觉与图像

眼动就能让AI分割医学图像？零样本息肉分割Dice 88.1%，追平全监督

医学图像分割被昂贵标注卡脖子多年，GazeRefine却用医生眼动当提示，在不需要任何训练的前提下把息肉分割做到88.10% Dice，一脚踩到全监督nnU-Net脚后跟。想让AI指哪打哪还不炼丹？这篇值得一读。零样本、免训练、免标注，核心思路极清爽：眼动点一下，冻结特征自动“长出”掩码。适合所有关心医学图像落地成本与交互分割效率的读者。

龙哥读论文发布于 2026-09-12 16:53:31 阅读 1 查看原文

#AI医疗 #图像分割 #模型架构 #人工智能

paperdaily_reaction_gif

原论文信息如下：

论文标题:
GazeRefine: Expert Gaze as a Test-Time Prompt for Training-Free Medical Image Segmentation

发表日期:
2026年09月

发表单位:
巴黎索邦北大学、美国西北大学、捷克VSB-俄斯特拉发科技大学

原文链接:
https://arxiv.org/pdf/2609.01310v1.pdf

开源代码链接:
原文提供GazeRefine仓库（未见完整URL时，以论文发布页为准）

引言

医学图像分割，说起来大家都不陌生——计算机辅助诊断、手术规划、放疗靶区勾画，哪一个都离不开它。从早期的U-Net，到如今近乎“无脑好用”的nnU-Net，性能确实一路飙升。但有一个问题始终没有被根治：高质量的密集像素级标注太贵了。

请专家把每一张内镜图里的息肉边界一点点描出来，或者在前列腺MRI每一层切片上精修轮廓，不光是时间黑洞，还充满主观性：同一个病灶，不同医生勾出来的边界可能差不少；换一个扫描仪、换一种模态，之前的标注基本作废，又得重新找专家再来一遍。密集标注难扩展，这个“卡脖子”问题横在所有医学影像从业者面前。

于是“减少标注依赖”成了热点。弱监督方向用点、涂鸦、框或伪标签来凑合；SAM这类提示分割模型允许用户通过点击或画框做交互分割。而另一边，自监督视觉Transformer（DINO系列）已经默默长出了相当强的语义定位能力：它没学过任何像素标签，特征图里的目标和背景却分得清清楚楚。于是有研究者开始琢磨：能不能别训练了，直接拿冻结特征做分割？

这里面最有趣的一个信号是：放射科医生、内镜医生阅片时眼睛在看哪里，其实天生就是宝贵的“分割提示”。医生盯住病灶的时间长短、扫视的路径，隐含了他们对可疑区域的判断。问题是，怎么把这种原始的眼动信号，变成可以驱动冻结视觉大模型做精细分割的东西？

巴黎索邦北大学、西北大学等机构的研究者给出的答案是：把注视点当“测试时提示”，在冻结的DINOv3特征空间里做前背景原型迭代，也就是今天要聊的GazeRefine。这套方法不需要任何分割掩码、不需要微调、不需要适配器、不需要梯度更新，甚至连SAM那套分割专用架构都不用。它在Kvasir-SEG息肉数据集上拿到了接近全监督nnU-Net的水平，而付出的“人工成本”，仅仅是医生阅片时自然产生的眼动轨迹。

1. 医生眼睛盯哪里，AI就分割哪里？——GazeRefine的零样本新思路

先来感受一下GazeRefine的输入到底有多“轻”：给定一张医学图像，再加上一组医生看这张图时的眼动注视点，每个注视点带一个坐标和停留时长。没有像素级标注，没有提示框，没有涂鸦。

输出则是一张和原图同尺寸的分割掩码，把病灶和背景清清楚楚分开。整个过程零训练、零微调、零适配器，也不依赖SAM之类的大规模分割基础模型，只用了一个冻结的DINOv3 ViT-L/16来提取特征。

怎么做到的？一句话版本：让眼动信息在DINOv3的冻结特征空间里定义“病灶原型”和“背景原型”，然后通过前背景判别和近邻亲和度传播反复细化这两个原型，直到原型稳定，再把每个图像块对前景原型的响应映射回像素空间，得到掩码。

说白了，眼动点本身很稀疏（每张图几十个点），但DINOv3的patch特征里已经蕴含着“息肉看起来像什么”的语义集群。GazeRefine要做的，就是用眼动点去引导特征空间里的聚类，让分割结果从几个注视点“长”出来。

有小伙伴可能会想：这和GazeSAM把注视点传给SAM有什么区别？区别还真不小。

GazeSAM走的是“SAM拿到眼动提示做推理”的路线，需要一个为分割专门训练过的Transformer解码器；GazeRefine则完全没有这种分割专用组件，只依赖一个冻结的自监督骨干。GazeMedSeg、GradTrack这些方法用眼动做训练信号，还得

1. 医生眼睛盯哪里，AI就分割哪里？——GazeRefine的零样本新思路

把注视点当提示这件事，其实并不是第一次出现在医学图像分割里。之前的GazeSAM，思路是把眼动点转成提示（比如把注视点变成点提示、框提示甚至粗略的掩码提示），扔给SAM去分割，利用的是SAM强大的交互分割能力；GazeMedSeg、GradTrack这类工作则把眼动当成弱监督信号，拿去训练一个专门的分割模型。而GazeRefine走了一条完全不同的路：它压根不训练任何分割模型，也不用SAM那一整套东西，只用了一个冻结的DINOv3视觉Transformer来提取特征，然后纯粹在特征空间里做文章。

为什么这条路能走通？关键在于DINOv3这个自监督视觉模型。DINO系列模型有一个非常神奇的性质：它从来没有见过任何像素级标签，但在训练之后，它的特征图里天然地出现了“同一物体聚成一团、不同物体彼此分开”的语义结构。也就是说，一张内镜图里的息肉区域，在DINOv3的特征空间里本来就倾向于聚在一个簇里；医生盯住息肉看的那些注视点，恰好可以告诉模型“这个簇就是目标”。GazeRefine的整套路子，就是围绕这个洞察展开的。

放到真实场景里想，这件事的价值更直观。设想一个忙碌的放射科医生，每天要读几十上百张影像。传统的交互分割需要他停下来，用鼠标精确地点出病灶边界或者画框，操作本身就是负担。而眼动追踪是医生阅片时自然而然发生的行为——他盯着哪里看、在哪里停留更久，本身就反映了他的注意力焦点和临床判断。GazeRefine相当于把这种“无意识行为”顺手变成了分割提示，不用额外付出多少操作成本，就能拿到一个初始的分割结果。如果结果不够好，医生再补几眼或者做简单修正就行。这种人机协作的方式，比传统的“标注—训练—推理”循环要轻得多。

说到这里，有必要先交代一下GazeRefine用到的几个关键背景概念，方便不熟悉这块的读者跟上后面的技术细节。

DINOv3是什么？DINOv3是Meta提出的自监督视觉Transformer系列的最新版本，全称是“self-DIstillation with NO labels”的第三代。它通过在大量无标注图像上做自监督学习，让模型学会“图像里什么东西看起来像同一个物体”，从而得到语义结构清晰的稠密特征。论文里用的是DINOv3的ViT-L/16版本：输入图像被切成16×16像素的patch，每个patch经过Transformer编码成一个1024维的特征向量。在文章里，这些patch特征被记作pi，i=1到N，N是patch总数。

注视点（fixation）是什么？人的眼球运动不是平滑扫过画面的，而是“扫视—注视”交替进行：目光快速跳跃到某个位置（扫视，saccade），然后在那个位置停留一段时间（注视，fixation）。医生阅片时，注视点的位置和停留时长能反映他对该区域的关注程度——盯得越久，说明越觉得这里可疑或者重要。GazeRefine用到的眼动数据正是这种注视点序列，每个注视点包含横坐标x、纵坐标y和持续时间d。

零样本（zero-shot）在这里是什么意思？在GazeRefine的语境下，零样本指的是：在推理时，模型不针对某个特定分割任务做任何训练，没有用任何像素级分割掩码来微调参数。GazeRefine使用的DINOv3骨干网络是冻结的（frozen），意味着它的参数在推理时完全不动。真正“告诉”模型目标是什么的，是测试时给出的眼动注视点——这也是论文标题里“test-time prompt”的含义。

熟悉SAM的读者可能会脱口而出：这不就是SAM的prompt分割的思路吗？区别恰恰藏在这里。SAM是专门为分割任务训练的，有一个庞大的分割解码器，prompt只是告诉它“目标在哪”，具体怎么圈出边界还是靠SAM自己学到的分割能力。而GazeRefine呢？它没有分割解码器，没有prompt编码器，只用一个冻结的自监督骨干。它要回答的问题是：自监督特征本身携带的语义结构，加上一点点极稀疏的人类注视信号，够不够做分割？

实验给出的答案相当耐人寻味：在内镜息肉分割上，这种只需注视点、零训练的方法做到了88.10%的Dice，而同数据上全监督的nnU-Net是88.41%，两者几乎打平，而且GazeRefine的方差还更小。要知道，nnU-Net可是用了90%的标注数据训练出来的。一个免费方法追平一个炼丹炼到极致的全监督大牛，这事儿放在医学图像分割领域，确实有点“降维打击”的味道了。

2. 无需训练的分割魔法：注视点如何变成精准掩码

要把“医生眼睛看了哪里”变成“病灶像素在哪里”，GazeRefine设计了一个四阶段的pipeline：特征提取与注视点建模、注视引导的原型初始化、循环注视锚定原型细化、最终掩码生成。整个流程可以理解为一种“从稀疏种子到稠密掩码的特征空间生长”过程。

图1：GazeRefine整体流程概览。临床医生的注视点和冻结的DINOv3特征共同初始化前景与背景原型，并通过迭代细化生成最终分割掩码。

第一步：把注视点画成一张“热力图”

一张医学图像进到模型里，先被DINOv3切成37×37＝1369个patch（在592×592分辨率下）。与此同时，眼动注视点也要做预处理。论文拿到的是带持续时间的注视点序列，每个点记作(xm, ym, dm)。研究者把这些注视点画到图像坐标上，每个点用一个高斯核扩散出去，并且按注视时长加权——停留越久的注视点，对热力图的贡献越大。这样就得到了一张“医生注意力热力图”：病灶区域亮，背景区域暗。

图2：注视热力图H(u,v)的构造公式。其中d̃m是归一化后的注视时长（所有注视时长求和后取比例），σ控制高斯核的空间扩散范围，ε是防止除零的极小常数。直观来看，就是把每个注视点变成一个“小土包”，土包的高度由注视时长决定，然后叠加在一起，得到整个图像上的注意力分布。

接下来，这张连续的热力图被映射到DINOv3 patch网格上，每个patch得到一个取值在0到1之间的权重hi。hi接近1表示这个patch被医生重点盯着（大概率是病灶），接近0表示医生扫过但没停留（大概率是背景）。

第二步：初始化前景和背景“原型”

有了每个patch的“前景概率权重”，下一步就是在DINOv3的特征空间里构造两个代表向量（prototype）：一个代表前景（病灶），一个代表背景。具体做法是对所有patch的特征做加权平均——注意是在特征空间里加权平均，不是在像素空间里平均。权重高的patch（医生盯着看的地方）对前景原型的贡献大；反过来，权重低的patch对背景原型的贡献大。

图3：前景与背景初始权重的计算公式。hi是patch i的注视热力值（已映射到patch网格），ε是避免除零的极小常数。这两个式子分别把热力值归一化成“前景权重”和“背景权重”，确保所有patch的权重加起来为1。

图4：前景与背景原型F(0)和B(0)的初始化公式。ν(z)表示L2归一化操作，pi是DINOv3提取的第i个patch的特征向量。前景原型就是所有patch特征按照“医生注视程度”加权求和后再归一化的结果。可以把它理解成特征空间里的“重心”：医生盯着的那些patch的特征向量聚成的中心，就是“病灶长什么样”的第一次猜测。

这个初始原型的好坏，取决于DINOv3特征空间的质量——如果同一个目标的patch特征在空间里确实聚在一起，那么医生看一眼得到的前景原型就已经相当接近真实病灶的“特征中心”。但这还不够：医生的注视点只覆盖了病灶的一部分区域，直接按注视点做分类只能分割出被盯住的那一小块。怎么让分割“长”到整个病灶？这就轮到论文的核心机制出场了。

3. 冻结特征空间中的原型迭代：技术细节深度解析

有了初始原型，核心问题来了：注视点只覆盖了病灶的一部分，直接按相似度分类只能把“被医生看过的那部分”分出来，但病灶没被盯住的部分怎么办？GazeRefine给出的解法是迭代式的前背景判别加亲和度传播，整个过程像一个在特征空间里反复试探的“生长”过程。

核心机制一：前背景判别（Foreground-Background Discrimination）

第t轮迭代开始时，手里有当前的前景原型F(t)和背景原型B(t)。对每一个patch的特征pi，计算它和前景原型的内积sfg,i（等价于余弦相似度），以及和背景原型的相似度sbg,i。如果某个patch跟前景更相似，那它大概率属于病灶；反之则属于背景。定义前景置信度分数为两者之差并截断到非负——只有前景明显胜过背景的patch，才被认为是“靠谱的前景”候选。

图5：前景置信度分数Si(t)的计算公式。sfg,i(t)是patch i与前景原型F(t)的余弦相似度，sbg,i(t)是patch i与背景原型B(t)的余弦相似度。取两者之差再与0比较取最大，相当于把“跟背景也像”的模糊patch直接归零。

核心机制二：kNN亲和度传播（kNN Affinity Propagation）

前背景判别只是第一步，它的问题在于太“短视”——每个patch只跟两个原型比一比，没有利用patch之间的空间关系。息肉表面可能有纹理变化、光照不均匀，靠近边缘的patch可能会被误判为背景。为了增强空间连贯性，GazeRefine引入了一个基于k近邻（k-nearest neighbor，简称kNN）的亲和度传播步骤。

做法也很清奇：在DINOv3的特征空间里，为每个patch找它的k个最近邻居（按特征相似度找，不是按像素距离找），然后把邻居们的置信度分数按相似程度加权汇总给它。这样做的直觉是：特征空间里相邻的patch，大概率属于同一个语义区域。如果一个patch自己的置信度低，但它的特征邻居们置信度都很高，那么它大概率是被误判了——让它“听听邻居怎么说”，把分数拉上来。

图6：kNN亲和度传播的计算公式。Nk(i)是patch i在特征空间中的k个近邻的索引集合，Aij=piᵀpj是两个patch特征的内积（即余弦相似度），τ是控制亲和度分布尖锐程度的温度参数。这个公式本质上是一个带权重的“邻居投票”：邻居越相似，话语权越大。

核心机制三：注视锚定（Gaze Anchoring）与迭代收敛

亲和度传播得到的分数经过sigmoid函数转换成0到1之间的软权重qi(t)，接下来用这套新的权重重新加权平均，得到更新后的前景原型F(t+1)和背景原型B(t+1)。但这里有一个隐患：如果让原型自由更新下去，初始的注视信息会被逐渐“冲淡”，原型可能在特征空间里漂移，最后收敛到一个跟医生关注的病灶完全没关系的地方——这就是所谓的“语义漂移”（semantic drift）。

图7：软权重更新公式。sigmoid函数把亲和度传播后的分数压到(0,1)区间，变成每个patch属于前景的软概率，再重新归一化成下一轮迭代的前景/背景权重。

图8：当前原型重计算公式。用上一轮更新后的软权重对patch特征做加权池化，得到“当前轮次”的前景原型Fcur(t)和背景原型Bcur(t)。

img公式

为了防止漂移，GazeRefine引入了一个精巧的“锚定”机制：每一轮更新后的原型，都要跟最初始的注视引导原型做一个加权融合。λ是锚定强度，论文里取0.5，意思是当前原型和初始原型各占一半。这样一来，每一次迭代都相当于“在原型的生长趋势和医生的初始判断之间取一个折中”。医生给的信息永远在场，模型不会跑偏。

图9：注视锚定更新公式。λ控制当前原型与初始注视锚点的融合比例。这个公式是GazeRefine抑制语义漂移的关键设计：分割可以“生长”，但不能脱离医生最初指出的区域太远。

迭代的终止条件有两个：达到预设的最大迭代次数T（论文里设为5），或者前后两轮原型的变化量都小于一个极小阈值ε（10-6），说明原型已经收敛稳定了。整个迭代过程不需要任何梯度计算——纯前向推理，每一步都是特征相似度计算和加权平均，所以速度非常快。

迭代结束后，把最终的前景置信度分数图重新排列成37×37的patch网格，然后上采样回原始图像分辨率，得到一张逐像素的响应图。把响应图归一化到[0,1]，再用0.5做阈值——大于阈值的像素判为前景，小于的判为背景。这就是最终的分割掩码。

图10：最终响应图归一化公式。Mmin和Mmax分别是响应图的最小值和最大值，ε防止除零。归一化后用0.5作为阈值，大于阈值判为前景。

如果觉得这一套流程还是有点抽象，可以用一个不严谨但很贴切的类比来理解：假设你在黑暗中摸索一个房间里的家具，医生先用手电筒照了几个关键位置（注视点），你看清了沙发扶手和茶几腿长什么样（初始原型），然后顺着“跟扶手质感相似的木头很可能是同一件家具”的推测，把整张沙发的轮廓都摸了出来（亲和度传播）。但为了不摸到别的东西上去，你每隔一会儿就回到手电筒照到的位置确认一下方向（注视锚定）。几个来回之后，沙发的完整轮廓就被勾勒出来了。

4. 息肉与前列腺MRI上的实战表现：接近全监督的零样本奇迹

GazeRefine的实战检验选了两个差异极大的公开基准：Kvasir-SEG（肠镜息肉分割）和NCI-ISBI 2013（前列腺MRI分割）。前者是内镜图像，病灶是肠壁上的息肉，颜色纹理和周围黏膜有明显差异；后者是灰度MRI，前列腺和周围组织的边界对比度低得多。两个数据集的眼动标注都来自GazeMedSeg提供的注视点数据。预处理时剔除了时长小于50毫秒和落在图像边界外的注视点后，Kvasir-SEG每张图保留5到99个注视点，NCI-ISBI每张切片保留6到54个注视点——非常稀疏的信号。

实验严格采用了各数据集官方划分：Kvasir-SEG按90%训练/10%测试划分，NCI-ISBI按87%/13%划分。需要注意，GazeRefine是纯零样本方法，它不在这90%或87%的数据上做任何训练，只在对应的测试子集上评估。对比方法则涵盖了全监督的U-Net和nnU-Net、点监督、涂鸦监督、框监督、眼动监督以及零样本+眼动方法。所有方法在相同协议、相同测试集上对比。

表1：GazeRefine与最新方法在Kvasir-SEG和NCI-ISBI上的对比（Dice百分比）。Supervision列标注了各方法使用的监督类型：Full为全监督，Point为点监督，Scribble为涂鸦监督，Box为框监督，Gaze为眼动监督，Zero-Shot+Gaze为零样本加眼动提示。

先看Kvasir-SEG上的结果，这可以说是GazeRefine的高光时刻：Dice达到88.10%±0.14，逼近全监督nnU-Net的88.41%±0.47，完全是“平起平坐”的水平。更值得注意的是，GazeRefine超越了同为“零样本+眼动”路线的GazeMedSAMv2（85.19%）接近3个百分点，而且GazeRefine的方差比nnU-Net还低。要知道，GazeMedSAMv2背后是SAM家族的分割解码器，是有分割先验的；GazeRefine没有用到任何分割专用架构，就是纯冻结特征加注视引导的原型迭代——这个结果确实相当惊艳。

但NCI-ISBI前列腺MRI上的表现就冷静多了：Dice是80.28%±0.11，低于GazeMedSAMv2的85.62%，也略低于GazeSAM的82.60%。不过它仍然压制了大部分弱监督基线（比如PointSup的73.46%、BoxTeacher的75.60%），甚至接近了全监督U-Net的80.58%。这个结果其实也在意料之中：前列腺MRI是低对比度灰度图像，前列腺和周围组织的边界在视觉上很模糊，通用自监督特征在区分这种解剖结构时本身就不占优势。反观内镜息肉，颜色纹理和周围黏膜差异大，在特征空间里天然就能分开。

图11：GazeRefine与零样本眼动分割方法在Kvasir-SEG和NCI-ISBI代表性样本上的定性对比。从左到右依次为输入图像、GazeSAM结果、GazeMedSAMv2结果、GazeRefine结果、真实标注（Ground Truth）。可见GazeRefine生成的掩码边界更贴合真实病灶，假阳性区域更少，对高光反射和照明干扰的鲁棒性也更好。

从定性结果来看，GazeSAM在肠镜图像上经常出现欠分割，而且对高光反射和照明伪影敏感；GazeMedSAMv2的覆盖更全，但两个SAM系方法都会偶尔引入无关的前景区域和边界伪影。相比之下，GazeRefine的掩码更干净，假阳性更少，边界定位也更准。

论文还做了消融实验来验证两大组件的贡献：kNN亲和度传播和背景清理（BG Clean，即前背景判别中通过“前景减背景相似度取正”来抑制背景响应的操作）。结果显示，去掉背景清理后，Kvasir-SEG上的Dice从88.10%暴跌到28.70%，NCI-ISBI从80.28%掉到13.50%——几乎完全崩掉。这组数据有力地说明了一个结论：在冻结特征空间里做零样本分割，最关键的不是如何找前景，而是如何压住背景。没有背景清理，背景patch的特征会混进原型里，污染整个判别过程。相比之下，去掉kNN传播的影响要小一些：Kvasir-SEG掉了0.25个百分点，NCI-ISBI掉了6.73个百分点。这说明kNN传播对MRI这种低对比度场景的收益更大，它帮助patch之间互相“确认身份”，弥补了单一patch特征判别力不足的问题。

表2：kNN传播与背景清理的消融实验（Dice百分比）。kNN列表示是否启用kNN亲和度传播，BG Clean列表示是否启用背景清理。可见BG Clean是主导组件，去掉它性能几乎崩盘；kNN传播提供补充增益，尤其对NCI-ISBI帮助更大。

这一组消融有一个值得注意的点：只留kNN不留BG Clean，和两个都不要，性能非常接近（28.70%对28.35%，13.50%对12.79%）——这再次说明，背景清理是整个系统的“脊梁骨”，没有它，特征空间里真假难辨的背景patch会把一切判别逻辑彻底冲垮。

5. 局限与展望：低对比度场景下的挑战与未来方向

NCI-ISBI上的结果暴露了GazeRefine的适

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文到底在解决什么问题？医学图像分割总被标注卡脖子。GazeRefine用医师眼动提示冻结DINOv3特征，无需训练与任何掩码，通过注视锚定的原型迭代在息肉分割上达88.10% Dice，逼近全监督nnU-Net，走出零样本人机协作新路子。

这篇工作最值得看的点是什么？在Kvasir-SEG上达到88.10% Dice，接近全监督nnU-Net（88.41%）并超越零样本GazeMedSAMv2（85.19%）；在NCI-ISBI上达到80.28% Dice，低于GazeMedSAMv2（85.62%）但优于多数弱监督方法。

这篇工作的边界或风险在哪里？优点：(1) 无需任何训练、微调、适配器或提示编码器，真正实现训练免费；(2) 利用临床医生注视作为自然交互方式，符合临床工作流；(3) 在息肉分割上表现优异，接近全监督水平；(4) 消融实验清晰验证了各组件的贡献。缺点：(1) 在低对比度MRI（前列腺）上性能有限，表明对特征空间中前景/背景可分性依赖较强；(2) 需要额外的眼动追踪设备获取注视数据；(3) 与SAM-based方法相比，缺少对复杂边界和低对比度场景的鲁棒性；(4) 仅使用单一阈值(0.5)进行二值化，可能不适用于所有场景。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★☆

利用临床医生的注视点作为推理时的提示，在冻结的DINOv3特征空间中初始化并迭代细化前景/背景原型，实现无需训练的零样本医学图像分割。

实验合理度：★★★★☆

Dice系数（%）

学术研究价值：★★★★☆

利用临床医生的注视点作为推理时的提示，在冻结的DINOv3特征空间中初始化并迭代细化前景/背景原型，实现无需训练的零样本医学图像分割；更关键的是问题定义是否可复用到同类任务。

稳定性：★★★☆☆

现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。

适应性以及泛化能力：★★★☆☆

现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。

硬件需求及成本：★★★☆☆

不适用（无需训练，推理时仅需前向传播和迭代原型细化，迭代次数T=5）

复现难度：★★★☆☆

GazeRefine

产品化成熟度：★★★☆☆

论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。

可能的问题：(1) 在低对比度MRI（前列腺）上性能有限，表明对特征空间中前景/背景可分性依赖较强；(2) 需要额外的眼动追踪设备获取注视数据；

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！

引言

1. 医生眼睛盯哪里，AI就分割哪里？——GazeRefine的零样本新思路

1. 医生眼睛盯哪里，AI就分割哪里？——GazeRefine的零样本新思路

2. 无需训练的分割魔法：注视点如何变成精准掩码

3. 冻结特征空间中的原型迭代：技术细节深度解析

4. 息肉与前列腺MRI上的实战表现：接近全监督的零样本奇迹

5. 局限与展望：低对比度场景下的挑战与未来方向

龙迷三问

龙哥点评

把每天读到的论文，变成长期积累