8月4日，数据挖掘领域权威国际学术会议ACM SIGKDD（KDD2025）上，华体会现金计算机学院刘金铎、冀俊忠教授课题组指导硕士研究生熊雯撰写的研究论文“Brain Effective Connectivity Estimation via Fourier Spatiotemporal Attention”荣获大会Research Track最佳论文奖（Best Paper Awards）中的Best Student Paper Award Runner Up。

KDD（ACM SIGKDD Conference on Knowledge Discovery and Data Mining）会议是国际数据挖掘领域最高级别的学术会议之一，被中国计算机学会（CCF）列为A类会议，享有很高声誉。本届KDD会议Research Track竞争异常激烈，共接收552篇研究论文，录用率19%，最终评选出包括北工大师生论文在内的6篇最佳论文。这是计算机学院首次获得该学术会议的最佳论文奖项，标志着学院在数据挖掘研究领域取得了新突破。

现有的脑效应连接学习方法，通常采用分离的方式提取功能磁共振成像（fMRI）数据的时间依赖和空间特征，忽略了现实世界中fMRI数据统一的时空相关性。此外，fMRI数据中的高噪声水平进一步限制了现有方法的精确性。针对上述问题，获奖论文提出了一种基于傅里叶时空注意力的脑效应连接学习方法（Fourier spatiotemporal attention，FSTA-EC）。具体来说，首先，该方法利用傅里叶注意力将高噪声的fMRI数据转换到频域；然后，通过一个可学习的滤波器自适应地学习与大脑活动相关的频率成分，并将去噪后的fMRI数据映射回物理域；最后，利用时空注意力机制，将时间注意力和空间注意力融合在一个统一框架中，进而同时学习fMRI数据的空间动态和序列内的时间依赖关系，实现时间特征与节点间空间关系的深度融合。在模拟数据和真实数据集上的实验结果表明，该方法在脑效应连接学习及其下游任务脑疾病诊断中均表现出优异性能，充分展示出冀俊忠教授团队在脑效应连接学习领域的最新研究成果。

为促进学术交流与领域发展，该论文的代码与数据已在GitHub平台开源。