从AAAI2025中挑选出对目标检测有帮助的文献——第一期

🎯 高相关（强烈建议阅读）

1️⃣ U-KAN: Makes Strong Backbone for Medical Image Segmentation and Generation

页码：4652–4660 | 作者：Chenxin Li et al.

💡 与你最直接相关。

• 提出了一种 U-KAN 网络，将 KAN（Kolmogorov-Arnold Network）理念引入医学图像分割与生成中。
• 强调“构建强大 backbone”以适应复杂医学影像。
• 对你优化 YOLOv12 的 backbone（例如引入函数表示、连续空间建模）非常有参考价值。
  🧠 可借鉴思路：将 KAN 模块嵌入 YOLO 的 C3 或 Conv 块中，增强特征表达。

---

2️⃣ ConDSeg: A General Medical Image Segmentation Framework via Contrast-Driven Feature Enhancement

页码：4571–4579 | 作者：Mengqi Lei et al.

💡 医学图像增强相关，对乳腺影像特征增强尤其有启发。

• 使用 <