FreqDINO：频率引导的广义边界感知超声图像分割自适应
计算机视觉与模式识别
2025-12-15 v1
摘要
超声图像分割对临床诊断至关重要，但面临散斑噪声和成像伪影的挑战。近期，DINOv3 凭借其强大的表示能力在医学图像分割中展现出显著前景。然而，在自然图像上预训练的 DINOv3 缺乏对超声特异性边界退化的敏感性。为解决这一局限，我们提出 FreqDINO，一个频率引导的分割框架，以增强边界感知和结构一致性。具体而言，我们设计了多尺度频率提取与对齐 (MFEA) 策略以分离低频结构和多尺度高频边界细节，并通过可学习注意力进行对齐。我们还引入了频率引导边界细化 (FGBR) 模块，从高频分量中提取边界原型并细化空间特征。此外，我们设计了多任务边界引导解码器 (MBGD) 以确保边界预测与语义预测之间的空间一致性。大量实验表明，FreqDINO 超越了最先进方法，取得了显著的泛化能力。代码位于 https://github.com/MingLang-FD/FreqDINO。
引用
@article{arxiv.2512.11335,
title = {FreqDINO: Frequency-Guided Adaptation for Generalized Boundary-Aware Ultrasound Image Segmentation},
author = {Yixuan Zhang and Qing Xu and Yue Li and Xiangjian He and Qian Zhang and Mainul Haque and Rong Qu and Wenting Duan and Zhen Chen},
journal= {arXiv preprint arXiv:2512.11335},
year = {2025}
}