本研究探讨了SAMM和TomoSAM模型在医学图像分割中的应用，尤其是3D医学图像处理。通过对18个医学影像数据集的测试，发现SAM 2在2D和3D分割中的表现存在差异，显示出对切片选择的依赖性。研究指出，SAM2在减少注释负担和实现零-shot分割方面具有潜力，推动了医学成像领域的发展。

本研究使用Segment Anything Model在医疗图像上进行了零-shot分割实验，发现其在一般领域表现出色，但在医疗图像中存在局限性。微调可以改进模型性能，展示了通用视觉基础模型在医学领域的潜力。

本文介绍了一种使用文本生成图像的方法，提出了一种零-shot分割指导方法ZestGuide，可以提高图像质量。实验结果表明，ZestGuide的效果更好。