一种基于协同跨域知识迁移的鲁棒肺癌病理图像分类方法
本发明公开了一种基于协同跨域知识迁移的鲁棒肺癌病理图像分类方法,具体包括以下步骤:肺癌病理图像特征提取;候选标签矫正;领域内知识聚类;跨域知识迁移;损失计算及模型参数更新。本发明采用候选标签动态矫正机制,有效利用候选标签集,降低对昂贵精准标签的依赖,在保证模型收敛稳定的同时降低数据制备成本;采用域内知识聚类和跨域知识迁移机制,显著提升模型在未知目标域上的分类准确性和鲁棒性;同时通过协同优化标签矫正、域内知识聚类和跨域知识迁移等多重目标,在存在标签歧义与域偏移的复杂场景中保持优异性能,为肺癌病理诊断提供一种端到端的可靠解决方案。