面向医学图像分割的自适应频域对齐网络
计算机视觉与模式识别
2025-12-23 v2
摘要
高质量的注释数据对于实现准确的分割至关重要，但由于手动注释耗时且费力，医学图像分割的此类数据往往稀缺。为解决这一挑战，我们提出了自适应频域对齐网络（AFDAN）—一种旨在频域对齐特征以缓解数据稀缺性的新型域自适应框架。AFDAN集成了三个核心组件以实现稳健的跨域知识迁移：一个对抗域学习模块，用于将特征从源域迁移到目标域；一个源-目标频率融合模块，用于跨域融合频率表示；以及一个空间-频率集成模块，用于进一步增强跨域的分割精度。广泛的实验表明AFDAN的有效性：它在新建的VITILIGO2025数据集上实现了90.9%的Intersection over Union (IoU)，在视网膜血管分割基准DRIVE上实现了82.6%的竞争性IoU，超过了现有的领先方法。
引用
@article{arxiv.2512.16393,
title = {Adaptive Frequency Domain Alignment Network for Medical image segmentation},
author = {Zhanwei Li and Liang Li and Jiawan Zhang},
journal= {arXiv preprint arXiv:2512.16393},
year = {2025}
}