关键词:
频域
空域
小波变换
频域特征增强
多尺度跨域融合
脑肿瘤分割
摘要:
脑肿瘤是危害患者生命健康的常见疾病,对磁共振成像(MagneticResonanceImaging,MRI)中肿瘤区域的精确分割对诊断和治疗规划至关重要。现有方法多聚焦于单一域特征提取,难以充分利用MRI图像在不同表征空间的互补信息;即使存在跨域融合尝试,也多采用浅层拼接,缺乏频域和空域的深度交互机制。针对这些问题,本研究提出频域和空域融合网络(FrequencyDomainandSpatialDomainFusionNetwork,FSFNet),通过三个层面的方法创新实现脑肿瘤分割:(1)在特征提取层面,构建频域与空域双路径并行编码架构:频域路径通过二级小波分解生成8个频带子图,并在频域特征增强模块(FrequencyDomainFeatureEnhancementModule,FFEM)中依据频带物理意义设计差异化滤波与增强策略;空域路径基于Pyramid Vision Transformer(PVT)通过自注意力机制建模全局上下文,捕获远程空间依赖关系。双路径在四个尺度生成互补的特征金字塔;(2)在特征融合层面,设计多尺度跨域融合模块(Multi-scale Cross-domain Fusion Module, MCFM),在四个尺度上通过交叉注意力实现双向深度查询,并通过多尺度上下文融合,让频域和空域特征实现“先定位边界、再扩散语义、最后精修细节”的增强过程;(3)在架构设计层面,采用跨阶段特征交互机制,将浅层细节特征逐级传递到深层,增强深层语义特征的细节表达能力,配合MCFM在每个层级实现的频域和空域融合,形成纵向语义传递和横向跨域融合的双向协同机制。网络在BraTS2020和BraTS2021数据集上进行了验证,并与多种先进方法进行了对比。在BraTS2020数据集上,FSFNet分割网络在全肿瘤(Whole Tumor, WT)、肿瘤核心(Tumor Core, TC)和增强肿瘤(Enhanced Tumor, ET)区域的Dice系数分别达到90.36%、85.41%和82.35%;在BraTS2021数据集上相比次优模型分别提高0.57%、0.02%和0.31%。消融实验中MCFM对TC和ET中的复杂小目标分割性能显著增强。FSFNet分割网络在频域和空域精细化建模和分割精度方面对临床实际问题具有一定研究价值。