ABFR-KAN：基于Kolmogorov-Arnold网络的功能脑分析
计算机视觉与模式识别
2026-01-05 v1
摘要
功能连接 (FC) 分析是脑障碍诊断中valuable的工具，传统上依赖于基于图谱的分割。然而，由于这种分割，可能会出现选择偏差且缺乏对主体特异性的考虑。为此，我们提出ABFR-KAN，一种基于转换器的分类网络，融合了新型先进的脑功能表示组件与Kolmogorov-Arnold网络 (KANs) 的力量，以减轻结构偏差、提高解剖一致性并提高 FC 估计的可靠性。在ABIDE I 数据集上进行的广泛实验，包括跨站点评估和在不同模型主干和KAN配置下的消融研究，表明ABFR-KAN在自闭spectrum障碍 (ASD) 分类方面 consistently 优于最先进的基准。我们的代码可在 https://github.com/tbwa233/ABFR-KAN 上获取。
引用
@article{arxiv.2601.00416,
title = {ABFR-KAN: Kolmogorov-Arnold Networks for Functional Brain Analysis},
author = {Tyler Ward and Abdullah Imran},
journal= {arXiv preprint arXiv:2601.00416},
year = {2026}
}
备注
21 pages, 10 figures, 8 tables