研究背景和动机 医学图像分割在解剖结构和病变区域的图像分析以及临床诊断中具有重要意义。然而，现有的全监督学习方法依赖于大量标注数据，而医学图像的像素级标注数据获取成本高昂且耗时。为了减轻对标注数据的依赖，半监督学习（SSL）方法逐渐兴起。尽管现有的SSL方法如mean teacher（MT）框架已经取得了不错的效果，但仍然存在诸多局限性。因此，本研究提出了一种双向监督网络（bilateral supervision network，BSNet），以更好地利用无标注的样本，从而提高半监督医学图像分割的性能。 文章来源 本文由Along He、Tao Li、Juncheng Yan、Kai Wang和Huazhu Fu撰写。作者分别来自天津大学网络与数据安全技术重点实验室、南开大学计算机学院、H...