本文提出了一种无监督领域自适应（UDA）方法，通过利用组织学特征来提高图像分类性能。实验结果表明，该方法在准确性和鲁棒性上显著优于现有技术，尤其在稀疏标注情况下，训练时间大幅缩短。此外，研究引入了两阶段训练策略和对抗样本增强，进一步提升了模型的自适应能力和泛化性能。