面向医学图像分类的无源域自适应方法及系统、电子设备

本发明公开了一种面向医学图像分类的无源域自适应方法及系统、电子设备，包括：在源域医学图像上，先监督训练含编码器与分类器的模型；接着，该模型处理无标签目标域图像，提取特征并预测类别概率。利用预测概率优化高斯混合模型，按模型分布将目标图像分类为类源域与目标特定类。基于类源域特征，定义类中心。通过图像增强获取新样本，与原图一同输入模型，提取特征并预测。结合预测概率与特征计算损失，迭代优化直至收敛。最后，用微调后的模型预测目标域图像，输出分类结果。本申请采用无源域自适应策略，避免了跨中心的数据隐私和数据安全的问题。