ある病院（ソースドメイン）のデータを用いて学習させたモデルが、別の病院（ターゲットドメイン）のデータでは、機械や撮影方法の違いにより、パフォーマンスが低下することを解決するために、半教師ドメイン適応に使われるターゲット画像の特徴の豊かさを測るクラスターエントロピーを提案する。提案法では、まず、クラスターエントロピーを用いてターゲットドメインの病理画像の特徴の豊かさを測る。そして、一番豊かな画像でモデルを再学習する。これにより，高性能な半教師ドメイン適応を実現する。実験では、提案したクラスターエントロピーを用いて半教師ドメイン適応を行い、二つ病院の病理画像で検証する。
