该文综述医学图像分割中应对标注不足、不完整及多标注者歧义的方法，包括稀疏标注、半监督与集成学习、生成对抗网络、贝叶斯卷积网络等，并介绍利用伪标签构建全身CT多解剖分割数据集及统一模型，在腹部器官等任务上取得优异性能。

该文综述部分标签学习研究，利用众包标注、伪标签与对比学习、概率生成模型、自我训练、非对称损失等方法，解决标注不足与歧义问题，在文本分类、对象分类、医学图像分割和回归任务中提升准确率与消歧能力，并探讨零样本分类应用。