本研究提出了一种反事实对比学习框架，旨在提高图像表示质量，克服传统对比学习中数据增强策略的局限性。通过因果图像合成技术生成更符合实际的对比正样本，实验证明该方法在医学影像数据集上显著提升了模型的鲁棒性和性能，尤其在训练集中代表性不足的情况下表现优异。