S2M-Net：用于医学图像分割的谱-空域混合与形态感知自适应损失

医学图像分割需要在局部精度、全局上下文和计算效率之间进行平衡，这是一个现有架构难以解决的三难问题。虽然卷积网络以 $\mathcal{O}(n)$ 的成本提供局部精度，但受限于感受野；而视觉变换器通过 $\mathcal{O}(n^2)$ 的自注意力实现全局上下文，却在小型临床数据集上导致过拟合。我们提出 S2M-Net，一个参数为 47 万的架构，通过两种协同创新实现 $\mathcal{O}(HW \log HW)$ 的全局上下文：(i) 谱选择性 Token 混合器 (SSTM)，通过截断 2D FFT 结合可学习的频率滤波和内容门控空间投影，利用医学图像的谱浓度，避免二次注意力成本同时保持全局感受野；(ii) 形态感知自适应分割损失 (MASL)，自动分析结构特征 (紧凑性、管状性、不规则性、尺度)，通过受约束的可学习权重调制五种互补损失组件，消除手动 per-dataset 调参。全面评估在 16 个医学影像数据集上进行，涵盖 8 种模态，显示出业界最先进的性能：在结肠息肉分割上达 96.12% Dice，手术器械上达 83.77%（较 prior art 提升 17.85%），脑肿瘤上达 80.90%，在专业基线上保持 3-18% 的持续性提升，同时使用比变换器方法少 3.5--6 倍的参数。