💻 computer science

Decoupling Wavelet Sub-bands for Single Source Domain Generalization in Fundus Image Segmentation

本文提出了 WaveSDG，这是一种用于眼底图像分割的单源域泛化的新颖小波引导网络，其通过专用 WISER 模块将解剖结构与域特定外观解耦，在多个未见目标数据集上相较于最先进方法实现了更优的精度和鲁棒性。

原作者： Shramana Dey, Varun Ajith, Abhirup Banerjee, Sushmita Mitra

发布于 2026-04-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Shramana Dey, Varun Ajith, Abhirup Banerjee, Sushmita Mitra

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在教一个机器人识别一张人眼后部（视网膜）照片中位于“视杯”内的“视杯”。这对于医生发现青光眼等疾病至关重要。

问题在于，这个机器人是在某家特定医院用某台特定相机拍摄的照片上进行学习的。当你给它展示来自不同医院、由不同相机拍摄、在不同光照条件下或由不同医生拍摄的照片时，机器人就会感到困惑。它开始将照片的风格（光照、色调、颗粒感）误认为是眼睛的结构的一部分。它可能会把深色阴影误认为是疾病，或者因为颜色看起来不同而遗漏边界。

本文介绍了一种名为WaveSDG的新方法来解决这个问题。以下是其工作原理，使用简单的类比：

1. 问题：“风格”与“结构”的混淆

将眼底图像想象成一张手绘地图。

结构（解剖学）： 实际的道路、河流和地标（视盘和视杯）。这是诊断所关心的内容。
风格（外观）： 墨水的颜色、纸张的类型，或者绘制地图时房间的光线。

当前的 AI 模型经常被“风格”所迷惑。如果它们是在用蓝色墨水绘制的地图上进行训练，那么当展示用红色墨水绘制的地图时，即使道路位于完全相同的位置，它们也可能失败。

2. 解决方案：“小波”魔法过滤器

作者使用了一种名为小波分解的数学工具。想象一下，将那张手绘地图通过一台特殊的机器，将其拆分为四个不同的“层”或“子带”：

"LL"层（低频 - 低频）： 这是地图的模糊、平滑版本。它保留了大局和道路的总体形状（解剖结构），但丢失了锐利的细节。
"LH"和"HL"层： 这些是边缘检测器。它们突出了水平线和垂直线——道路和河流的锐利边界。
"HH"层： 这是静态和噪声。就像纸上的颗粒状灰尘或随机划痕。它通常不包含有用的地图信息。

3. "WISER"模块：智能编辑器

本文介绍了一个名为WISER（基于小波的不变结构提取与细化）的新模块。将 WISER 想象成一位非常聪明的编辑，在 AI 做出最终决定之前，它会查看这四层并决定保留什么、丢弃什么。

清理"LL"层（大局）：
编辑查看平滑的"LL"层。它知道这一层包含了眼睛的形状，但也包含了“风格”（如医院的具体光照）。WISER 将该层分为两部分：一部分保留形状（解剖结构），另一部分捕捉光照（风格）。然后，它丢弃光照部分，只保留纯净的形状。
- 类比： 这就像给建筑物拍照，去除日落的光辉和阴影，只保留建筑物的轮廓。
抛光"LH"和"HL"层（边缘）：
编辑查看边缘层。有时，不良的光照会使边缘看起来微弱或断裂。WISER 拥有两个工具：
1. 边缘增强器： 如果边缘微弱（如微弱的道路线），它会调大音量使其可见。
2. 边缘选择器： 如果边缘只是随机噪声（如镜头上的划痕），它会将其静音。它只保留与上一步中发现的“形状”相匹配的边缘。
- 类比： 这就像音响工程师调大歌手声音（真实边缘）的音量，同时降低背景噪音（虚假边缘）的音量。
删除"HH"层（噪声）：
编辑直接完全丢弃"HH"层，因为它主要是噪声和伪影。

4. 结果：稳健的 AI

经过 WISER 清理和细化这些层后，将它们重新拼接在一起。现在的 AI 不再将眼睛视为“在黑暗房间里用佳能相机拍摄的照片”，而是视为“一组纯净的解剖形状和清晰的边界”。

由于 AI 学会了忽略“风格”（相机、光照、医院）而只关注“结构”（实际的眼部部件），即使面对来自它从未见过的全新医院或相机的照片，它也能完美工作。

论文发现

研究人员在“源”数据集（一家医院）上测试了该方法，然后用五个完全不同的“目标”数据集（其他拥有不同相机的医院）对其进行挑战。

获胜者： WaveSDG（他们的新方法）始终优于其他七种顶级方法。
证明： 它不仅仅是猜对了区域；它以更高的精度和稳定性绘制了边界。它不太可能因奇怪的光照或不同的相机类型而感到困惑。
效率： 论文指出，这位“智能编辑”非常轻量级。它不需要超级计算机来运行；它为系统增加的工作量极少，使其适用于现实世界的应用。

简而言之，这篇论文教会 AI 透过图像的“衣着”（风格）看到底下的“身体”（解剖结构），确保无论照片是在哪里拍摄的，它都能正确识别眼睛。

以下是论文《解耦小波子带以实现眼底图像分割的单源域泛化》的详细技术总结。

1. 问题陈述

眼底成像中的域泛化（DG）：
用于视网膜眼底图像分割（特别是视盘和视杯）的深度学习模型，在部署于未见域的数据（不同的医院、设备或光照条件）时，性能会下降。这是由域偏移引起的，即采集条件的变化（光照、传感器噪声、纹理）导致训练数据（源域）与测试数据（目标域）之间存在分布不匹配。

现有方法的局限性：

域适应（DA）与测试时适应（TTA）： 需要在训练或推理过程中访问目标域数据，而这通常受限于隐私法规和标注成本。
单源域泛化（SDG）： 这是最现实的场景，即模型在一个源数据集上训练，必须泛化到未见目标。现有的 SDG 方法往往失败，原因如下：
- 数据增强： 合成变换往往会破坏关键的解剖结构。
- 表示学习： 在医学图像中，“风格”（外观）与“内容”（解剖结构）本质上是耦合的，因此将它们解耦非常困难。
- 频域方法： 基于傅里叶的方法缺乏空间局部性，难以对解剖结构的空间组织进行建模。

2. 方法论：WaveSDG 与 WISER

作者提出了 WaveSDG，这是一个基于 U 形编码器 - 解码器骨干网络（ResNet18 编码器）的分割网络，集成了名为 基于小波的不变结构提取与细化（WISER） 的新颖模块。

核心概念：小波子带解耦

WISER 模块不平等地对待所有图像特征，而是对编码器特征图应用 深度 Haar 离散小波变换（DWT）。这将特征分解为四个具有不同语义角色的子带：

LL（低 - 低）： 捕捉全局解剖结构和低频内容。
LH/HL（低 - 高 / 高 - 低）： 捕捉水平和垂直边缘响应（边界）。
HH（高 - 高）： 主要由传感器噪声和伪影主导。

WISER 模块架构

WISER 模块在编码器特征通过跳跃连接传递给解码器之前，逐层处理这些特征。它执行三个具体操作：

解剖 - 风格解耦（LL 子带）：
- 使用相同的卷积层和实例归一化（IN），将 LL 子带分解为 风格（ $f^s$ ） 和 解剖/内容（ $f^c$ ） 表示。
- 应用 正交损失 以强制 $f^s$ 和 $f^c$ 之间去相关，确保解剖表示独立于特定域的外观（例如光照、色调）。
- 使用归一化后的内容表示重构精炼后的 LL 子带。
选择性边缘细化（LH 和 HL 子带）：
- 边缘增强器（EB）： 计算归一化边缘能量，自适应地放大由低对比度或图像质量差引起的弱边缘响应。
- 边缘选择器（ES）： 利用解剖感知内容特征（ $f^c$ ）生成空间门控。该门控选择性地保留与解剖结构对齐的边缘，同时抑制背景噪声和虚假边缘。
- LH 和 HL 子带通过与 EB 和 ES 的输出相乘进行细化。
噪声抑制（HH 子带）：
- 完全抑制（设为零）以主导噪声的 HH 子带，防止噪声传播。
重构：
- 通过逆离散小波变换（IDWT）重构滤波后的子带。
- 残差连接将滤波后的特征与原始特征结合，以确保训练稳定性。

训练策略

损失函数： 模型使用多类 Dice 损失进行分割，并辅以 深度监督（DS） 以强制跨尺度的边界一致性。
正交约束： 使用线性斜坡调度逐渐引入正交损失，使模型能够先学习任务特定表示，然后再执行严格的解耦。

3. 主要贡献

新颖的 WISER 模块： 一个轻量级、资源高效的模块，利用小波子带分解将解剖结构与特定域的外观解耦。
语义子带处理： 与以往将所有子带同等对待的小波方法不同，WISER 明确利用语义差异：细化 LL 以获取全局解剖结构，增强 LH/HL 以优化边界，抑制 HH 以去除噪声。
边缘增强器与选择器： 一种双重机制，自适应地放大弱边缘并过滤非解剖噪声，确保即使在巨大的域偏移下也能精确划定感兴趣区域（ROI）。
WaveSDG 架构： 一个完整的 SDG 框架，防止特定域的外观线索通过跳跃连接传播，这是标准 U-Net 中常见的失效点。

4. 实验结果

数据集：

源域： Refuge 数据集（840 个训练，120 个验证，240 个测试）。
目标域（未见）： 5 个数据集，包括 Drishti-GS、Gamma 和多域 Cháks.u（Bosch, Forus, Remidio），涵盖各种相机类型（临床和手持）。

性能指标：

Dice 系数（DSC）： 衡量重叠度。
95% 豪斯多夫距离（HD95）： 衡量边界对齐精度。

主要发现：

卓越的准确性： WaveSDG 在所有目标数据集上始终优于七种最先进（SOTA）方法（包括 BigAug、C2SDG、FreeSDG 和 EGSDG）。
鲁棒性： 它在视盘（OD）和视杯（OC）分割方面均取得了 最佳平衡的 Dice 分数。
边界精度： WaveSDG 实现了 最低的 HD95 且方差减小，表明具有卓越的边界对齐能力和稳定性。
泛化能力： 该模型在手持相机数据集（如 Forus、Remidio）上表现异常出色，这些数据集通常遭受严重的域偏移。
消融研究： 证实 WISER 模块显著提高了 DSC 并降低了 HD95。添加深度监督进一步提升了性能。
效率： 该模块仅增加了 3.24M 参数 和 13.27% 的计算开销，同时保持了 14.8 毫秒的低推理延迟。

5. 意义

这项研究解决了医疗 AI 中的一个关键瓶颈：模型无法在不重新训练的情况下泛化到不同的临床环境。通过利用 离散小波变换（DWT），作者提供了一种原则性的方法，将“是什么”（解剖结构）与“看起来如何”（风格）分离开来。

临床影响： 该方法使得利用单一源数据部署鲁棒的青光眼及其他视网膜疾病分割工具成为可能，减少了对昂贵且涉及隐私的多中心数据收集的需求。
技术创新： 它超越了简单的增强或对抗训练，提供了一种结构化的解决方案，尊重视网膜图像的物理和语义属性（全局布局与局部边缘）。
未来方向： 模块化设计表明其有潜力应用于跨模态任务（例如 MRI 到 CT）或跨序列泛化。