本文介绍了一种基于部分点注释的弱监督核分割框架，结合深度神经网络和半监督策略，以减少对标注数据的需求。提出的PseudoEdgeNet和BoNuS等方法在多个数据集上表现优越，显著提升了医学图像分割的准确性和效率。

本文介绍了一种基于弱监督学习的核分割框架，结合半监督策略和深度神经网络，减少了对标注数据的依赖。研究表明，该方法在多个数据集上表现优异，特别是在细胞实例分割和领域适应方面，显著提高了精度和效率。