本文介绍了一种新型医学图像分割模型PromptUNet，该模型结合了基于提示的分割和UNet，显著提升了分割精度。通过引入多种提示类型，PromptUNet在医学图像分割任务中优于现有主流方法。此外，研究探讨了交互式提示和自适应提示优化框架TEPO，进一步增强了模型性能。

文章介绍了如何在页面加载时添加动态卡片，使用GitHub API提取信息，并支持多种提示类型（注意、提示、重要、警告、小心），用户可以自定义提示标题。