用于医学图像的传统临床诊断辅助系统正面临可靠性和可解释性的挑战。 人工智能具有通过快速遍历医学图像和有效分类来推动疾病诊断方法发生变化的潜力。 然而，人工智能在医学图像领域的应用仍然面临挑战。 我们的方法结合了注意力的多种方式，这些方式考虑了图像中最有区别的部分。 所提出的分类方法在具有40个白细胞类别的显微图像数据集上进行测试，在测试过程中，其top-1准确性达到84.21％，top-5准确性达到99.44％。 并且在皮肤镜图像数据集上的实验表明，我们的方法在多种成像方式上都具有良好的泛化能力