频域视角为腹部医学图像分割提供新思路
计算机视觉与模式识别
2025-10-14 v1
摘要
accurate segmentation of tumors and adjacent normal tissues in medical images is essential for surgical planning and tumor staging. 虽然基础模型通常在分割任务中表现良好，但它们往往难以在复杂、低对比度背景中聚焦于前景区域，其中一些恶性肿瘤与正常器官紧密相似，导致上下文区分困难。为此，我们提出了Foreground-Aware Spectrum Segmentation（FASS）框架。首先，我们引入前景感知模块以放大背景与整个体积空间之间的区别，使模型能够更有效地专注于目标区域。接着，基于小波变换的特征级频率增强模块提取判别性高频特征，以增强边界识别和细节感知。最终，我们引入边缘约束模块以保持分割边界的几何连续性。在多个医学数据集上的广泛实验表明，我们框架在所有指标上均表现出优异性能，验证了该框架在复杂情况下的鲁棒性以及细节结构识别能力的有效性。该框架显著提升了低对比度图像的分割，为更广泛和更复杂的医学成像场景铺平了道路。
引用
@article{arxiv.2510.11005,
title = {Frequency Domain Unlocks New Perspectives for Abdominal Medical Image Segmentation},
author = {Kai Han and Siqi Ma and Chengxuan Qian and Jun Chen and Chongwen Lyu and Yuqing Song and Zhe Liu},
journal= {arXiv preprint arXiv:2510.11005},
year = {2025}
}