# CLoPA：医学图像标注的交互式分割持续低参数自适应摘要交互式分割在。.

交互式分割使临床医生能够指导标注，但现有的零样本模型（如nnInteractive）无法在各种医学成像任务中始终达到专家水平的性能。由于标注活动产生了不断增长的任务特定标注数据流，分割模型的在线自适应是对零样本推理的自然补充。我们提出CLoPA，一种持续自适应策略，在标注缓存上调整nnInteractive的一小部分参数，由轻量级片段调度触发。CLoPA不需要新的参数或对推理管道的更改，完全在现有标注工作流中运行。在跨越多个解剖目标和成像特征的八个医学分割十项全能任务中，CLoPA快速提升性能至专家水平，即使对于nnInteractive之前失败的任务也是如此，大部分性能提升在单个训练片段后实现。我们展示了调整不同参数组的收益取决于任务特性和数据制度。同时，对于具有复杂几何形状的目标（例如肝血管），实例归一化和低级特征调整饱和，这表明在最具挑战性的场景中需要更深层次的特征表示对齐。