学习裁剪：面向医学 VQA 的端到端因果图剪枝与动态解剖特征库
计算机视觉与模式识别
2026-03-30 v1
摘要
医学视觉问答（MedVQA）模型由于依赖数据集特定的相关性（如反复出现的解剖模式或问题类型规律）而非真正的诊断证据，通常表现出有限的泛化能力。现有的因果方法通常作为静态调整或事后修正来实现。为了解决这个问题，我们提出了一个可学习因果裁剪（LCT）框架，将因果剪枝集成到端到端优化中。我们引入了一个动态解剖特征库（DAFB），通过动量机制更新，用于捕获频繁解剖和语言模式的全局原型，作为数据集级规律的近似。我们进一步设计了一个可微分裁剪模块，估计实例级表示与全局特征库之间的依赖关系。与全局原型高度相关的特征被软抑制，而实例特定证据被强调。这种可学习机制鼓励模型自适应地优先考虑因果信号而非虚假相关。在 VQA-RAD、SLAKE、SLAKE-CP 和 PathVQA 上的实验表明，LCT 一致地优于现有的去偏策略，提高了鲁棒性和泛化能力。
引用
@article{arxiv.2603.26028,
title = {Learning to Trim: End-to-End Causal Graph Pruning with Dynamic Anatomical Feature Banks for Medical VQA},
author = {Zibo Xu and Qiang Li and Weizhi Nie and Yuting Su},
journal= {arXiv preprint arXiv:2603.26028},
year = {2026}
}