本研究探索了在众包环境下使用Segment Anything Model (SAM)为3D DL分割模型培育稀疏标注的潜力。结果显示，尽管SAM生成的标注与地面实况标注相比具有较高的平均Dice得分，但在SAM生成的标注上训练的nnU-Net模型表现明显差于在地面实况标注上训练的nnU-Net模型。