DualFete：从反馈角度重新审视半监督医学图像分割中的师生交互

师生范式已成为半监督学习中的典型框架。当应用于医学图像分割时，由于固有的图像模糊性，该范式面临挑战，使其特别容易受到错误监督的影响。关键的是，学生对这些错误的迭代性再确认导致了自我强化的偏差。虽然一些研究试图减轻这种偏差，但它们通常依赖于对传统师生框架的外部修改，忽视了其内在的错误纠正潜力。为此，本研究将反馈机制引入师生框架，以抵消错误再确认。在这里，学生对教师伪标签引起的改变提供反馈，使教师能够相应地细化这些标签。我们明确指出，这种交互依赖于两个关键组件：反馈归因器，它指定触发学生更新的伪标签；以及反馈接收器，它决定在何处应用此反馈。在此基础上，进一步提出了一种双教师反馈模型，该模型允许反馈回路中更多的动态性，并通过跨教师监督解决分歧来促进更多收益，同时避免一致的错误。在三个医学图像基准上的全面评估证明了该方法在解决半监督医学图像分割中错误传播方面的有效性。