近日，赵曰峰教授课题组在生物医学与健康信息学领域国际期刊《IEEE Journal of Biomedical and Health Informatics》上发表题为“Wavelet-Driven Spatial Frequency Mamba Network for Spine Image Segmentation”的研究论文。山东师范大学为第一署名单位，赵曰峰教授为论文第一作者，胡楠楠老师为通讯作者。

针对脊柱MRI图像分割中因解剖结构模糊、椎骨尺度变化大、视野截断导致全局位置信息丢失等挑战，现有基于CNN、Transformer或Mamba的方法难以同时捕获精细边界与长程依赖关系，且传统频域增强方法易损失空间定位信息。本研究提出一种小波驱动的空间频率Mamba网络（WDSFM-Net），整体模型架构如图所示。具体而言，设计空间-频率Mamba块，将离散小波变换与Mamba序列建模相结合，把特征分解为低频结构上下文和高频细节子带，并通过交叉注意力融合层实现双域信息的高效交互，突破传统空间扫描策略对高频边界线索捕获不足的局限。在编码器瓶颈处引入全局条带池化注意力模块，沿脊柱长轴方向聚合长程上下文，解决视野截断导致的末端椎骨定位难题。在跳跃连接中嵌入多尺度注意力增强模块，采用各向异性条带卷积和多尺度融合策略，自适应适应椎骨尺度剧烈变化。此外，提出双域损失函数，同时优化空间像素精度与频域一致性，实现鲁棒训练。在两个公开脊柱MRI数据集Spider和MRSpine上的实验表明，WDSFM-Net取得了平均Dice系数0.8885和0.8669的优异性能，显著超越现有最先进方法，在边界清晰度与全局解剖一致性上均展现出明显优势。

以上研究获得国家自然科学基金面上项目、山东省自然基金青年项目支持。