深層学習技術の著しい進歩にもかかわらず、肺音分類において満足できる性能を達成することは、利用可能なデータの不足により依然として課題となっています。さらに、呼吸音サンプルはさまざまな電子聴診器から収集されており、これによって訓練モデルにバイアスが導入される可能性があります。テストデータセット内や実際のシナリオで有意な分布のずれが発生した場合、性能は大幅に低下する可能性があります。この問題に対処するために、クロスドメイン適応技術を導入します。これは、ソースドメインから異なるターゲットドメインへ知識を転送する手法です。特に、異なる聴診器タイプを個別のドメインとして扱い、新たな聴診器ガイド付き教師あり対照学習アプローチを提案します。この方法はドメインに関連する差異を緩和し、聴診器の記録変動による呼吸音を区別できるようにすることでモデルの性能向上に寄与します。ICBHIデータセットにおける実験結果は、提案手法がドメイン依存性の低減に効果的であり、ベースラインに対して61.71%（2.16%の大幅な改善）というICBHIスコアを達成していることを示しています。