本文提出了一种名为SurgicaL-CD的新方法，通过一致性蒸馏扩散技术在无配对数据的情况下生成高质量的手术图像，解决了外科领域标注数据稀缺的问题。研究表明，该方法在图像质量和训练数据集的效用上优于现有的生成对抗网络和扩散模型，为计算机辅助外科系统的发展提供了新思路。

多项研究评估了SAM在医学与机器人手术图像分割中的表现：零样本泛化能力有限，点提示或无提示时分割手术器械效果差，复杂场景易失败，医学图像精度不及U-Net。SurgicalSAM通过LoRA微调和原型类提示编码器，仅需少量参数即在EndoVis数据集达最优性能，表明SAM仍需领域微调。