# 单样本分割

该工作提出一种免训练的单样本科学图像分割框架，用一张带标注的参考图像将冻结的DINOv3与SAM组合起来：先以参考图像背景估计背景方向，对DINOv3的patch特征做背景自适应正交投影以抑制伪影方向，再用余弦相似度定位候选区域并生成提示交给SAM分割；在红细胞显微、结构光照池沸腾与胸部X线三类数据上评估，红细胞显微平均IoU较最强基线GF-SAM高5.15个百分点，池沸腾较INSID3高33.36个百分点，胸片与SAM2相当。

该工作提出一种免训练的单样本科学图像分割框架，用一张带标注的参考图像将冻结的DINOv3与SAM组合起来：先以参考图像背景估计背景方向，对DINOv3的patch特征做背景自适应正交投影以抑制伪影方向，再用余弦相似度定位候选区域并生成提示交给SAM分割；在红细胞显微、结构光照池沸腾与胸部X线三类数据上评估，红细胞显微平均IoU较最强基线GF-SAM高5.15个百分点，池沸腾较INSID3高33.36个百分点，胸片与SAM2相当。

该工作提出 RPG-SAM，一个基于 SAM2 的免训练单样本息肉分割框架，用可靠性加权原型挖掘（RWPM）按对比因子与反向纯度因子加权支持图像的前景原型并以背景原型作负锚点抑制噪声，用几何自适应阈值选择（GAS）依据形态实心度与尺度一致性动态挑选二值化阈值，再用先验引导迭代精炼（PIR）循环修正边界，在 Kvasir 上取得 78.65% mIoU 与 85.65% mDice，较 ProtoSAM 分别提升 5.56% 与 4.11%，并在 PolypGen 三中心、CVC-ClinicDB、CVC-ColonDB 上报告了对比结果。

该工作提出 RPG-SAM，一个基于 SAM2 的免训练单样本息肉分割框架，用可靠性加权原型挖掘（RWPM）按对比因子与反向纯度因子加权支持图像的前景原型并以背景原型作负锚点抑制噪声，用几何自适应阈值选择（GAS）依据形态实心度与尺度一致性动态挑选二值化阈值，再用先验引导迭代精炼（PIR）循环修正边界，在 Kvasir 上取得 78.65% mIoU 与 85.65% mDice，较 ProtoSAM 分别提升 5.56% 与 4.11%，并在 PolypGen 三中心、CVC-ClinicDB、CVC-ColonDB 上报告了对比结果。