本研究提出了一种基于原型的自监督单次学习框架，解决了医疗图像分割中标注数据不足的问题。通过超像素生成伪标签来学习语义分割，并引入了基于相关性的概率评分来生成动态原型。实验结果表明该框架在腹部CT和MR数据集上表现优异。