本文提出了一种结合频域先验与频域特征增强的创新性分割网络,旨在解决医学图像中伪装性病变区域的分割难题.通过傅里叶变换提取频域信息,并结合频域特征增强模块,模型能够更有效地捕捉图像中的全局和局部细节,从而显著提升对复杂病变区域(尤其是边缘模糊或伪装性强的病变区域)的分割能力.实验结果表明,本文方法在息肉、皮肤病变和乳腺影像分割任务中取得了显著的性能提升.未来,计划继续探索更为精细的频域处理技术,以进一步提升复杂医学图像处理任务的性能与扩大应用范围。