基于小波分析与记忆库跟踪超声长视频中的空间时间细节

医学超声视频广泛用于医疗检查、疾病诊断和手术规划。高保真肿瘤区域和靶脏器官分割构成了计算机辅助手术流程的关键组成部分。超声视频的低对比度和噪声背景会导致器官边界误分割，可能导致小目标丢失并增加边界分割误差。长视频中的对象跟踪仍然是一个重要的研究挑战。为克服这些挑战，我们提出一种基于记忆库的小波滤波与融合网络，采用编码器-解码器结构有效提取细粒度的空间特征并整合高频（HF）信息。具体而言，提出了基于记忆的小波卷积，以同时捕获类别、详细信息并利用相邻信息于编码器中。采用级联小波压缩来融合多尺度频域特征并在每个卷积层中扩大感受野。设计了一个利用跨注意力和记忆压缩机制的长短期记忆库，用于跟踪长视频中的对象。为充分利用特征图中对边界敏感的 HF 细节，我们在解码器中通过自适应小波滤波器设计了一个 HF 感知特征融合模块。在对四个超声视频数据集（两个甲状腺结节、甲状腺腺、心脏数据集）进行的广泛基准测试中，我们的方法在分割指标上显示出显著的改进。特别是，我们的方法能够更准确地分割小甲状腺结节，证明其在长视频中处理小目标的有效性。代码已公开于 https://github.com/XiAooZ/MWNet。