Face au problème de redondance des caractéristiques et de capacité de généralisation insuffisante du Vision Transformer (ViT) dans la classification des images de mélanome, un modèle amélioré combinant la sélection dynamique des caractéristiques et l'apprentissage contrastif est proposé pour améliorer la précision de classification et l'efficacité du diagnostic clinique. Tout d'abord, un module de sélection dynamique des caractéristiques a été conçu, renforçant de manière adaptative les caractéristiques clés et supprimant les informations redondantes grâce à une matrice de poids apprenable ; ensuite, la fonction de perte contrastive InfoNCE est introduite, combinée avec la perte d'entropie croisée pour construire un cadre d'optimisation multi-objectifs, améliorant la distinction des caractéristiques entre les classes ; enfin, un mécanisme de guidage des caractéristiques clés est intégré dans le mécanisme d'attention multi-têtes, réalisant une modélisation collaborative des détails locaux et de la sémantique globale. Les résultats expérimentaux sur les ensembles de données ISIC2018 et ISIC2019 montrent que le modèle amélioré atteint une précision de classification de 83,27 % et 80,17 % respectivement, soit une amélioration de 1,83 % et 0,49 % par rapport au modèle ViT de base ; les expériences d'ablation confirment que le module de sélection dynamique réduit de 18,7 % le calcul redondant, tandis que l'apprentissage contrastif augmente la similarité des caractéristiques intra-classe de 23,6 %. La méthode proposée améliore significativement la capacité du modèle ViT à reconnaître le mélanome, avec une précision et une robustesse supérieures aux modèles dominants, fournissant une solution automatisée haute précision et faible redondance pour le diagnostic précoce du cancer de la peau, ayant une certaine valeur clinique.

classification d'image;sélection des caractéristiques;fonction de perte InfoNCE;modèle ViT