本文提出了一种基于深度学习的交互式对象分割方法，利用真实人类注释数据集和自动评估模型来提升注释质量。研究开发了动态交互学习框架，以减少标注工作量并提高在线学习性能，旨在解决医学图像分割中的挑战。

该文综述弱监督医学图像分割研究，涵盖涂鸦、点击、边界框等标注方式。多实例学习、ScribblePrompt、Scribble2D5等方法在心脏、前列腺及病理图像上表现良好，草图训练性能接近全监督。动态交互学习框架可减少62%标注量，并支持在线学习与隐私部署。