本研究结合Segment Anything Model（SAM）与投票网络，提出了一种针对多模态脑胶质瘤分割的新方法，适应非洲数据集的复杂性。通过边界框指导提示（SAMBA），该方法有效应对肿瘤异质性问题，尽管扫描质量较低，但在资源有限的环境中具有潜力，能够改善临床决策和神经肿瘤学研究。实验结果表明，SAM在BraTS-Africa数据集上的分割效果良好。

本研究提出了一种创新方法，将SAM与投票网络相结合，用于多模态脑胶质瘤分割。该方法在非洲数据集上取得了令人信服的结果，有潜力在资源有限的环境中深远影响临床实践。