---
title: 学术汇报-2025-12-01与2025-12-22
tags:
  - module
  - research
  - seminar
  - model-design
  - joplin
type: module
source_type: reconstructed
created: 2026-04-23
updated: 2026-04-23
---

# 学术汇报-2025-12-01与2025-12-22

> [!abstract]
> 这一模块对应方法聚焦阶段。大核卷积、可变形卷积、跨切片注意力等结构性主题开始集中出现，说明研究已经从选题进入结构比较与方案筛选。

## 模块结论

- 这一阶段的重点是比较不同结构机制在分割任务中的适用性。
- 大核、可变形卷积、注意力增强、跨切片信息利用成为主线关键词。
- 汇报作用从“方向探索”转为“结构设计决策支持”。

## 一、结构机制为什么要并列比较

- 因为真正可用的创新通常不是凭感觉拼接，而是要先理解不同机制各解决什么问题。

## 二、这一阶段的主要方法线索

- 大核卷积
- 可变形卷积
- 注意力引导的 U-Net 变体
- 跨切片注意力

## 三、研究上意味着什么

- 已经不再停留在读论文摘要，而是在建立自己的结构取舍标准。

## 四、复习提问

- 为什么不同卷积机制需要在具体任务里比较，而不能只看论文结论？
- 跨切片信息为什么会成为医学图像分割里的高频设计点？

## 来源

- [[raw/Joplin/研究生生涯/研究生组会-学术汇报/2025-12-01学术汇报/1.Large Selective Kernel Network for Remote Sensin.md]]
- [[raw/Joplin/研究生生涯/研究生组会-学术汇报/2025-12-01学术汇报/2.Beyond Self-Attention_ Deformable Large Kernel A.md]]
- [[raw/Joplin/研究生生涯/研究生组会-学术汇报/2025-12-01学术汇报/3.Adaptive Rectangular Convolution for Remote Sens.md]]
- [[raw/Joplin/研究生生涯/研究生组会-学术汇报/2025-12-01学术汇报/4.探讨三种卷积机制在医学图像分割中的适用性.md]]
- [[raw/Joplin/研究生生涯/研究生组会-学术汇报/2025-12-22学术汇报/1.TransAttUnet：Multi-level Attention-guided U-Net .md]]
- [[raw/Joplin/研究生生涯/研究生组会-学术汇报/2025-12-22学术汇报/2.Hung_CSAM_A_2.5D_Cross-Slice_Attention_Module_fo.md]]

## 相关页面

- [[研究生组会-学术汇报]]
- [[医学图像分割]]
- [[创新点设计]]