El desarrollo de modelos de clasificación de imágenes médicas requiere un número sustancial de imágenes etiquetadas para el entrenamiento del modelo. En escenarios del mundo real, los tamaños de muestra suelen ser limitados y las muestras etiquetadas a menudo constituyen solo una pequeña parte del conjunto de datos. Este artículo tiene como objetivo investigar una estrategia colaborativa de aprendizaje de similitud que optimiza las pseudoetiquetas para mejorar la precisión del modelo y acelerar su convergencia, conocida como el marco de aprendizaje de similitud conjunta. Al integrar la similitud semántica y la similitud de instancias, las pseudoetiquetas se refinan mutuamente para garantizar su calidad durante el entrenamiento inicial. Además, el puntaje de similitud se utiliza como un peso para guiar las muestras lejos de predicciones de clasificación erróneas durante el proceso de clasificación. Para mejorar la capacidad de generalización del modelo, se introduce una restricción de consistencia adaptativa en la función de pérdida para mejorar el rendimiento en conjuntos de datos no entrenados. El modelo logró una precisión satisfactoria del 93.65% con una proporción de etiquetado del 80%, comparable al rendimiento de los métodos de aprendizaje supervisado. Incluso con una proporción de etiquetado muy baja (por ejemplo, 5%), el modelo aún alcanzó una precisión del 74.28%. La comparación con otras técnicas como Mean Teacher y FixMatch reveló que nuestro enfoque los supera significativamente en tareas de clasificación de imágenes médicas al mejorar la precisión en aproximadamente un 2%, demostrando el liderazgo de este marco en la clasificación de imágenes médicas.