現有肌炎超聲圖像的分類方法存在分類性能差或計算成本高的問題。針對上述問題，本文提出了一種基于軟閾值注意力機制的輕量級神經網絡。該網絡的主干采用深度可分離卷積與常規卷積搭建，通過軟閾值注意力機制自適應去除冗余特征，有效捕獲關鍵特征，從而提高分類表現。與目前分類正確率最高的雙分支特征融合肌炎分類網絡相比，本文提出網絡的分類正確率提高了5.9%，達到了96.1%，且其計算量僅為現有方法的0.25%。因此，該網絡能以較低的存儲與計算成本為醫生提供更準確的輔助診斷結果，具有較強的實用價值。
