Zur Behebung der Problematik von Merkmalsredundanz und unzureichender Generalisierungsfähigkeit des Vision Transformer (ViT) bei der Klassifikation von Melanom-Bildern wird ein verbessertes Modell vorgeschlagen, das dynamische Merkmalsauswahl mit kontrastivem Lernen kombiniert, um die Klassifikationsgenauigkeit und klinische Diagnoseeffizienz zu steigern. Zunächst wird ein dynamisches Merkmalsauswahlmodul entworfen, das durch adaptiv lernbare Gewichtsmatrizen wichtige Merkmale verstärkt und redundante Informationen unterdrückt; zweitens wird die InfoNCE-Kontrastverlustfunktion eingeführt und zusammen mit dem Kreuzentropie-Verlust eine Multi-Objective-Optimierungsrahmen geschaffen, der die Unterscheidbarkeit der Merkmale zwischen Klassen verbessert; schließlich wird im Multi-Head-Selbstaufmerksamkeitsmechanismus ein Schlüsselmerkmal-Leitmechanismus eingebettet, der eine Zusammenarbeit von lokalen Details und globaler Semantik ermöglicht. Die Experimentergebnisse auf den Datensätzen ISIC2018 und ISIC2019 zeigen, dass das verbesserte Modell Klassifikationsgenauigkeiten von 83,27 % und 80,17 % erreicht, was eine Steigerung von 1,83 % bzw. 0,49 % gegenüber dem Basismodell von ViT darstellt; Ablationsstudien bestätigen, dass das dynamische Auswahlmodul den redundanten Rechenaufwand um 18,7 % reduziert und das kontrastive Lernen die Ähnlichkeit der Merkmale innerhalb der Klasse um 23,6 % erhöht. Die vorgeschlagene Methode verbessert die Erkennungsfähigkeit des ViT-Modells für Melanome deutlich, übertrifft führende Modelle in Genauigkeit und Robustheit und bietet eine hochpräzise, redundanzarme automatische Lösung für die Frühdiagnose von Hautkrebs mit klinischem Nutzen.

Bildklassifikation;Merkmalsauswahl;InfoNCE-Verlustfunktion;ViT-Modell