优化ViT用于黑色素瘤分类：特征筛选与InfoNCE损失的结合

摘要： 针对Vision Transformer(ViT)在黑色素瘤图像分类中存在的特征冗余和泛化能力不足问题，提出一种融合动态特征筛选与对比学习的改进模型，以提升分类精度与临床诊断效率。首先，设计动态特征筛选模块，通过可学习的权重矩阵自适应强化关键特征并抑制冗余信息；其次，引入InfoNCE对比损失函数，联合交叉熵损失构建多目标优化框架，增强类间特征区分度；最后，在多头自注意力机制中... （共12页）