日前，京科互联科技发展集团的一项发明：《一种基于域自适应的跨域医疗图像分类系统及分类方法》（专利号：202110097593.8）成功申请了国家发明专利，已获得国家知识产权局受理。

在国家科技创新战略指引下，为助力中国科技发展创新不断提升核心竞争力，作为科技行业前沿探索、创新应用产品落地的主要实施者，京科互联瞄准前沿技术，紧跟发展潮流，努力提升自身在科技创新前沿技术方面的实力，积极开展国家科技创新相关领域的应用探索。

一、本次发明的技术背景

现如今，人工智能算法广泛应用于各个领域当中，人工智能已被用于医学图像领域，基于深度神经网络算法的医疗图像预测可以对影像提供辅助决策建议，帮助医生进行临床决策，因此受到人们的关注。

由于深度神经网络算法存在的基本问题是其无法像人类一样高效地学习，需要不断地用训练样本对其进行训练学习，训练样本越完善越多，则训练得到的人工智能模型的结果就越好。

医疗图像通常由于数据安全、病人隐私等原因，可用图像数据较少。因此，基于深度神经网络算法的医疗图像预测存在着数据量少导致的建议不准确，预测不稳定，存在着安全隐患。

迁移学习是解决少样本学习问题的一种有效方法，其可以通过迁移数据标注、迁移模型、自适应学习、领域知识迁移等手段，将其他领域的数据用来辅助特定领域学习。

然而，如何有效结合迁移学习方法和医疗图像预测方法，仍然是一种挑战。总而言之，目前的基于深度神经网络算法的医疗图像预测方法无法很好地利用跨域知识缓解样本少带来的性能问题，也就限制了其在诸多应用场景的应用。

二、本次发明介绍

本发明的目的在于克服现有技术中的不足，提供一种基于域自适应的跨域医疗图像分类系统及分类方法，本发明通过跨域编码器在源域和目标域上的共同训练，实现跨域的知识共享，可在一定程度上提高图像分类算法的准确率，并广泛适用于跨域医疗图像的分类预测当中。

为实现上述目的，本发明采用了以下技术方案，一种基于域自适应的跨域医疗图像分类系统，包括：

跨域编码器模块，用于将输入医疗图像通过域共享编码器编码为共享特征，通过域私有编码器编码为私有特征；

共享解码器模块，用于将共享特征和私有特征结合后输入，解码为重构的医疗图像；

目标域分类器模块，用于将共享特征输入，输出预测结果。

【技术领域】

本发明涉及图像分类技术领域，具体涉及一种基于域自适应的跨域医疗图像分类系统及分类方法。

三、本次发明的有益效果

京科互联立足医疗图像预测场景痛点，面对基于深度神经网络算法的医疗图像预测方法无法很好地利用跨域知识缓解样本少带来的性能问题这一实际问题，创造性的提出本发明，目的在于克服现有技术中的不足，提供一种基于域自适应的跨域医疗图像分类系统及分类方法。

本发明的有益效果在于：

首先，提出了一种新的一种基于域自适应的跨 域医疗图像分类，通过跨域编码器在源域和目标域上的共同训练，实现跨域的知识共享，可在一定程度上提高图像分类算法的准确率，并广泛适用于跨域医疗图像的分类预测当中；

此外，通过设计跨域相似损失函数，跨域差异损失函数，将图像分开编码为域共享和私有特征向量，从而有效利用共享特征向量实现跨域知识共享；此外，通过步骤3和4的跨域训练、 参数更新策略，使得网络向着损失函数最小的方向更新，从而保证模型效

新专利的申报，有助于为公司积累核心前沿技术资产和技术人才队伍，进一步加强公司技术自主可控能力，提升公司影响力和声誉，有效保护了公司在科技创新领域中的发明创造成果，助力京科互联提升核心竞争力。