在医学影像分析领域,精准的病灶分割对疾病诊断、治疗规划和疗效评估至关重要。然而,高质量标注数据的稀缺严重限制了分割方法的实际应用。尽管半监督学习能够缓解标注成本高的问题,但在面对复杂病灶、模糊边界等挑战时仍难以满足临床精度需求。此外,计算机断层扫描(CT)、磁共振成像(MRI)等多模态影像虽然能够提供丰富的互补信息,如何在半监督框架下有效融合多模态特征并充分利用大量未标注数据,仍是当前亟待解决的关键...