本研究提出了一种结合结构性指导和文本驱动策略的弱监督OCT图像分割方法，旨在提高病灶定位的准确性。该方法通过融合视觉与文本信息，在三个OCT数据集上表现出色，展示了在医学影像诊断中的潜力。

该文综述弱监督医学图像分割与定位研究，涵盖基于图像级标签的Boundary-RL边界检测、ChestX-ray14疾病诊断、前列腺癌MRI配准、乳腺癌多实例学习及Gleason评分等方法，实现病灶定位，性能优于传统方法。