本发明公开了一种基于半监督自训练的超声内镜目标检测方法，通过在对象级标注数据集上训练教师网络，利用教师网络推断生成图像级标注数据集与无标签数据集的伪标签，最后使用置信度高的伪标签数据集训练学生网络，然后使用已训练的学生网络替代教师网络，不断迭代，进一步提高伪标签的准确性，最终可以优化网络的泛化能力。本方法通过利用自训练方法，无需大量标注对象级数据集，弥补了图像级标注数据集与无标注数据缺少监督信息的缺点，充分提升网络对超声内镜目标的学习能力。本发明能够解决超声内镜中目标的漏检和误检等问题，使得模型能够提供获得更好的预测能力，进一步提高工作效率。