本研究探讨了用户目标与隐性需求之间的差距，提出了一种在马尔可夫决策过程中识别瓶颈状态的查询策略，以推断潜在目标所需的最小查询数。实证评估表明，该方法在不同任务中有效推断未明确说明的目标。

本文探讨了深度主动学习（DAL）在科学计算和医学图像分析中的应用，评估了不同查询策略的有效性，强调了多样性和半监督训练对模型性能的提升。综述了积极学习的核心方法及未来发展方向，指出标注成本对深度学习的影响，并展望了其在医学图像分析中的挑战与趋势。