研究背景和动机 医学画像のセグメンテーションは解剖学的構造と病変領域の画像分析および臨床診断において重要な意義を持っています。しかし、従来の完全教師あり学習方法は大量のアノテーションデータに依存しており、医学画像のピクセルレベルのアノテーションデータの取得は高コストであり、時間がかかります。アノテーションデータへの依存を減らすために、半教師あり学習（SSL）方法が徐々に台頭してきました。現在のSSL方法、例えばmean teacher（MT）フレームワークは良好な効果を上げていますが、依然として多くの制限があります。したがって、本研究は二方向監督ネットワーク（bilateral supervision network、BSNet）を提案し、ラベルのないサンプルをより良く活用することで半教師あ...