Para abordar o problema da redundância de características e da insuficiente capacidade de generalização do Vision Transformer (ViT) na classificação de imagens de melanoma, propõe-se um modelo aprimorado que combina a seleção dinâmica de características com o aprendizado contrastivo para melhorar a precisão da classificação e a eficiência do diagnóstico clínico. Primeiramente, foi projetado um módulo de seleção dinâmica de características que reforça adaptativamente as características-chave e suprime informações redundantes por meio de uma matriz de pesos aprendível; em seguida, é introduzida a função de perda contrastiva InfoNCE, combinada com a perda de entropia cruzada para construir uma estrutura de otimização multiobjetivo que reforça a discriminação das características entre classes; por fim, um mecanismo de orientação de características-chave é incorporado no mecanismo de atenção multi-cabeça para realizar a modelagem colaborativa de detalhes locais e semântica global. Os resultados experimentais nos conjuntos de dados ISIC2018 e ISIC2019 mostram que o modelo aprimorado alcançou precisões de classificação de 83,27% e 80,17%, respectivamente, com aumentos de 1,83% e 0,49% em relação ao modelo ViT base; os experimentos de ablação confirmam que o módulo de seleção dinâmica reduziu o processamento redundante em 18,7%, e o aprendizado contrastivo aumentou a similaridade das características intra-classe em 23,6%. O método proposto melhora significativamente a capacidade do modelo ViT para reconhecer melanoma, apresentando precisão e robustez superiores aos modelos convencionais, fornecendo uma solução automatizada de alta precisão e baixa redundância para o diagnóstico precoce do câncer de pele, com certo valor clínico.

classificação de imagens;seleção de características;função de perda InfoNCE;modelo ViT