摘要
准确的医学图像分割及其支持的诊断决策日益受到监督成本的制约：专家临床医生进行的密集体素级标注仍然缓慢、昂贵且难以扩展，导致许多解剖结构、病理和模态仅有稀疏标注。因此，大量文献放松了对完整掩码的要求，但现有的调查通常只是列举各种形式的有限监督，而没有直接比较标签粒度、标注负担和分割质量之间的实际权衡。本综述聚焦于弱监督和粗略标注设置（包括图像级标签、点/点击、边界框、涂鸦和粗略掩码，以及作为独立、依赖协议的监督形式的注视或部分标注），并通过标注经济学视角对其进行组织，该视角考虑了单例标注成本、所需专业知识、可扩展性以及相对于完整监督的报告性能差距。证据表明，框和涂鸦监督可以在几项医学分割研究中提供有利的成本 - 性能权衡，尽管报告的指标和数据集是异质的，不应被解释为统一的定量前沿。接下来，我们考察基础模型转向，即 Segment Anything 模型及其医学衍生模型，并论证可提示模型重新编码而非消除人类监督，将部分工作量从离线标注转移至推理时交互。最后，我们将分析扩展到 Dice 之外，以询问弱生成的掩码是否支持下游临床任务：聚合测量可能对中等边界误差相对容忍，而纹理和高阶放射组学特征可能会更加敏感。最后，我们将基准测试碎片化、标注变异性以及将弱分割与临床结果联系起来的证据仍然有限列为开放问题，并提出一个统一的“弱标签→任务”基准用于未来评估。
