本研究通过引入可训练的类别提示和病理编码器，将Segment Anything Model（SAM）应用于数字病理学的语义分割。增加病理基础模型后，SAM-Path在两个公共数据集上的Dice和IOU得分显著提升，分别比手动提示和后处理的SAM高出27.52%和71.63%。