面向半监督医学图像分割的双教师反馈模型：从反馈视角重访教师-学生互动

教师-学生范式已成为半监督学习中的标准框架。在医学图像分割中应用时，该范式因图像内在模糊性而面临挑战，使其对错误监督尤其脆弱。关键在于，学生通过不断迭代重证这些错误，导致自我强化的偏差。虽然一些研究试图缓解这种偏差，但往往依赖于对传统教师-学生框架的外部修改，忽视了其本身的纠错潜力。为此，本工作将反馈机制引入教师-学生框架以抵消错误的重证。具体而言，学生对教师伪标签所引起的变化提供反馈，使教师能够相应地完善这些标签。我们指出，这一互动依赖于两个关键组件：反馈归因器，确定触发学生更新的伪标签；以及反馈接收器，决定在何处应用此反馈。基于此，我们进一步提出双教师反馈模型，该模型在反馈回路中实现更大的动态性，通过跨教师监督解决分歧而避免持续的错误。对三个医学图像基准的全面评估表明，该方法在解决半监督医学图像分割中的误差传播方面具有有效性。