因果推理引导的KAN注意力脑肿瘤分类框架

来源：电子与信息学报杂志2026年第3期北京时间：

作者：樊亚文, 王翔, 岳震, 俞晓帆

单位：1.南京邮电大学通信与信息工程学院 南京 2100032.南京医科大学第一附属医院 南京 210006

摘要：脑肿瘤分类是医学影像分析中的关键任务，但现有深度学习方法在应对扫描参数差异、解剖位置偏移等因素时仍面临特征混淆问题，且难以建模肿瘤异质性引发的复杂非线性关系。针对这一挑战，该文提出一种因果推理引导的KAN注意力分类框架。首先，基于CLIP模型进行无监督特征提取，捕捉MRI数据中的高层语义特征；其次，基于K-means聚类设计混淆均衡度指标，筛选混淆因子图像，并设计因果干预机制，显式引入混淆样本，同时提出因果增强的损失函数以优化模型的判别能力；最后，在预训练ResNet主干网中引入KAN注意力模块，强化模型对肿瘤局部坏死区与强化边缘的非线性关联建模能力。实验表明，所提出的方法在脑肿瘤分类任务中优于传统CNN与Transformer模型，验证了其在判别能力和鲁棒性方面的优势。该研究为医学影像的因果推理与高阶非线性建模提供了新的技术路径。

关键词：医学图像处理, 脑肿瘤分类, 因果推理, 注意力机制

基金资助：国家自然科学基金(62476139)