通过波形导向空间频率融合网络进行可通用的2D医疗图像细分

科学领域:

• 医学成像
• 计算机视觉
• 信号处理

背景情况:

• 医疗图像细分对于诊断至关重要,但由于不同的成像协议和文物而导致的领域转移.
• 现有的方法往往无法将多尺度的空间信息与局部频率的细节整合起来,从而阻碍了不同医学成像领域的性能.
• 这种局限性需要新的方法来进行强大的医疗图像细分,可以在各种数据集中进行概括.

研究的目的:

• 提出一个新的框架,WGSF-Net,统一空间和波形频率表示,以改善医疗图像细分.
• 通过有效地整合多尺度结构线索和局部频率符号来解决医疗图像细分领域概括的挑战.
• 在医学图像中增强解剖边界的保存,特别是在域移动下.

主要方法:

• 开发了一种新的框架,采用波形导向融合来结合空间和波形频率表示.
• 引入了波形导向的多尺度注意力机制,将特征分解为定向子带,捕捉域不变的结构模式.
• 实施了可适应的横向融合策略,以动态调整频率精制的解码器功能,并增强空间跳过连接.

主要成果:

• 拟议的方法在皮肤镜,超声波和显微镜数据集上实现了最先进的性能,证明了对未见领域的强大泛化.
• 与以前的方法相比,WGSF-Net在Dice得分上显示出显著的改善,在皮肤镜检查中获得1. 5%,在超声波检查中获得2. 0%,在未见的环境中获得13. 9%的显微镜检查.
• 波形导向的空间频率融合方法有效地提高了2D医学图像细分的概括能力.

结论:

• 波形导向的空间频率融合是改善二维医学图像细分模型的有效策略.
• 拟议的WGSF-Net框架成功地解决了处理跨领域变化的现有方法的局限性.
• 这种方法为在各种临床应用中开发更强大,更可靠的医疗图像细分工具提供了有希望的方向.