本文探讨选择性标签下的算法辅助决策学习，提出数据增强方法以减轻选择性标签的偏误。研究介绍了伪标记在半监督医学图像分割中的应用，提出新方法以提高分类精度，并强调处理噪声标签的重要性。实验结果表明，所提算法在多种任务中表现优异，突显了在深度学习中应对标签偏见和不确定性的必要性。