Para abordar el problema de la redundancia de características y la insuficiente capacidad de generalización del Vision Transformer (ViT) en la clasificación de imágenes de melanoma, se propone un modelo mejorado que combina la selección dinámica de características con el aprendizaje contrastivo para mejorar la precisión de clasificación y la eficiencia del diagnóstico clínico. Primero, se diseña un módulo de selección dinámica de características que refuerza adaptativamente las características clave y suprime la información redundante mediante una matriz de pesos aprendible; segundo, se introduce la función de pérdida contrastiva InfoNCE, combinada con la pérdida de entropía cruzada para construir un marco de optimización multiobjetivo que mejora la discriminación de características entre clases; finalmente, se incorpora un mecanismo de guía de características clave en el mecanismo de atención múltiple para lograr un modelado colaborativo de los detalles locales y la semántica global. Los resultados experimentales en los conjuntos de datos ISIC2018 e ISIC2019 muestran que el modelo mejorado alcanza una precisión de clasificación del 83,27 % y 80,17 % respectivamente, aumentando en 1,83 % y 0,49 % con respecto al modelo ViT base; los experimentos de ablación confirman que el módulo de selección dinámica reduce un 18,7 % el cálculo redundante, y el aprendizaje contrastivo aumenta la similitud de características intra-clase en un 23,6 %. El método propuesto mejora significativamente la capacidad del modelo ViT para reconocer el melanoma, con una precisión y robustez superiores a los modelos principales, proporcionando una solución automática de alta precisión y baja redundancia para el diagnóstico temprano del cáncer de piel, con cierto valor clínico.

clasificación de imágenes;selección de características;función de pérdida InfoNCE;modelo ViT