医学影像中的提示机制：综合综述

深度学习在医学影像领域展现出变革性潜力，但其临床应用常受数据稀缺、分布迁移以及任务泛化需求等挑战的制约。提示（Prompt）方法日益成为引导深度学习模型的关键策略，提供灵活的、领域特定的适应性，显著提升模型性能和适应性，而无需大量重新训练。本综合性综述系统性地审视了医学影像中提示工程的快速发展局面。我们剖析了多样化的提示模态，包括文本指令、视觉提示和可学习嵌入，并分析了它们在图像生成、分割和分类等核心任务中的集成方式。我们的综述揭示了这些机制如何通过提升准确率、鲁棒性和数据效率，减少对手动特征工程的依赖，同时增强模型可解释性，使模型的指导方式变得显式。尽管取得了显著进展，我们识别出仍存挑战，尤其是提示设计优化、数据异构性以及确保临床部署的可扩展性。最后，本综述勾勒出了包括高级多模态提示和稳健临床集成等前景路径，凸显了提示驱动型 AI 在加速医疗诊断和个性化治疗规划革命中的关键作用。