NAKUL-Med：用于医学信号的谱图状态空间模型带动力学核

状态空间模型（State Space Models, SSMs）实现线性时间复杂度，但在处理多通道生理信号时面临三个局限：固定核无法捕捉多尺度时间动力学（运动准备数百毫秒 vs. 执行瞬态数十毫秒），马尔可夫状态更新限制了周期性振荡的全局上下文，以及通道独立处理忽略了电极空间拓扑。我们提出 NAKUL，将 SSMs 扩展用于医学信号分析，主要贡献包括：（1）动态核生成——具有不同核大小（3、5、7、11 个时间步）的平行 SSM 分支由分析输入统计量的元网络加权，从而实现自适应的时间尺度选择；（2）谱图上下文建模——基于 FFT 的操作配合可学习的高斯频率带滤波器捕捉全局周期模式，时间复杂度为 $O(N \log N)$；（3）图引导空间注意力——固定电极拓扑为多头注意力提供空间偏置，以原则性地实现跨通道交互。在 BCI Competition IV-2a 运动想象（我们的主要基准）上，NAKUL 实现了 91.7±0.6% 的准确率，匹配 EEG-Conformer（92.1±0.7%），同时使用 28% 更少的参数（2.5M vs 3.5M），推理速度快 2.0 倍（4.3ms vs 8.7ms）。该模型推广到 EEG 情感识别（83.6%）、多模态 EEG-fMRI（91.4%）和医学影像（超声 92.8%），显示出架构的多样性。消融实验表明，动态核贡献 +2.6%，且 exhibits 可解释的尺度选择模式与已知神经动力学相关。