ProSMA-UNet 用 ℓ1 近端稀疏门控替换 U-Net 跳连的稠密注意力，在 2D 与 3D 医学分割基准上取得最优，3D 结肠任务 F1 提升约 19%。
该工作提出 ProSMA-UNet，把 U 形医学分割网络的跳连重写为“解码器条件化的稀疏特征选择”问题：先用轻量深度可分离空洞卷积构建多尺度编解码兼容场，再用带可学习逐通道阈值的 ℓ1 近端算子（闭式软阈值）产生显式稀疏门，并叠加由全局解码器上下文驱动的通道门控，在 BUSI、GlaS、Kvasir-SEG 三个 2D 基准与 Medical Segmentation Decathlon 的 Spleen、Colon 两个 3D 基准上均报告最优结果，其中 Colon 的 F1 相对最强基线提升约 19%。