本文提出了一种新颖的Detail Self-refined Prototype Network（DSPNet），用于医学图像中的少样本语义分割，旨在解决复杂背景下目标不明显的问题。实验结果表明，DSPNet在多个医学图像基准上优于现有方法，展现出更强的分类表示能力和准确的分割预测。