本文提出了一种基于Fourier的语义增强方法FIESTA，通过操纵频率域中的振幅和相位组件来增强医学图像分割的基本目标。实验结果显示，FIESTA在分割性能上超过了最近的最先进的单源域通用方法，并显著促进了模型在医学成像模态中的适用性。