本研究提出了一种半监督分割框架，用于早产儿视网膜病（ROP）诊断中的眼底图像分割，减少对手动标注的依赖。该模型结合不确定性加权和领域对抗学习，有效识别难以检测的血管结构，提升了分割精度和ROP分类的诊断准确性，展示了在儿科眼科的临床应用潜力。

本文提出了一种自适应教师框架，结合领域对抗学习和数据增强，解决半监督目标检测中的域差异问题。研究展示了多种基于教师-学生模型的创新方法，显著提升了跨域适应性能，尤其在标签不足和类别不平衡方面表现优异。实验结果表明，这些方法在多个基准测试中超越了现有技术。