SFCT-Net: A Wavelet-Based Spatial-Frequency Signal Reconstruction Framework for Robust Medical Image Segmentation

在医学影像领域，超声扫描仪和皮肤相机等机器充当着现代医生的眼睛，捕捉人体隐藏的地貌。然而，这些图像很少是完美的。它们往往受到其生成过程本身的物理特性影响而变得模糊或受损：比如声波在组织中反弹产生的颗粒状静电噪声，或是遮挡皮肤病变的分布不均的光照或毛发。为了让计算机能够协助医生，它必须学会看穿这种噪声，并描绘出肿瘤或肌肉的精确边缘，这一任务被称为分割。传统上，计算机试图通过将医学图像视为简单的像素网格来解决这个问题，尝试猜测哪些像素属于器官，哪些属于背景。但当图像模糊或多噪时，这种方法往往会失效，因为计算机会被静电噪声所迷惑，将其误认为是真实的边界，或者过度平滑关键边缘直到其消失。

来自福建理工大学及其他机构的研究团队提出了一种看待该问题的不同方式。他们认为，不应仅仅将医学图像视为由像素构成的图片，而应将其视为一种同时存在于两个世界的信号：一个是我们看到的空间世界，以及一个描述图像从平滑区域到锐利边缘变化的频率世界。他们指出，计算机用于“放大”或从较小版本重建图像的标准工具实际上是问题所在。这些工具通过简单地拉伸像素来工作，其效果就像是一个低质量的滤波器，会模糊精细的细节并产生锯齿状、不自然的线条。为了解决这一问题，研究人员开发了一个名为 SFCT-Net 的新系统，它将医学图像的重建视为一个在重新组合之前对不同类型信号进行分离和清洗的过程。

其创新的核心在于计算机处理图像的方式。大多数现代系统使用两种不同类型的人工智能引擎按顺序工作：一种擅长识别微小的局部纹理，另一种擅长理解宏观全局。研究人员发现，按顺序运行这些引擎会导致计算机丢失重要的细节。相反，他们构建了一个并行系统，让这两个引擎同时工作，并不断进行信息交换。他们在这两个引擎之间建立了一个特殊的桥梁，允许专注于宏观全局的引擎引导专注于细节的引擎，反之亦然。这确保了计算机既能理解器官的整体形状，又能理解定义其边缘的微小、锐利的线条，同时不会让图像中的噪声干扰它们之间的连接。

然而，最显著的变化发生在计算机尝试构建最终图像时。研究人员表明，传统的像素拉伸法会产生一种被称为“频率混叠”的特定视觉失真，因此他们引入了一种基于小波变换的新工具。简单来说，这个工具将图像信号分解为平滑的低频部分和锐利的高频部分。它允许计算机在不意外抹除锐利边缘的情况下清理平滑区域的噪声，并在不使背景看起来颗粒感过重的情况下锐化边缘。一旦这些部分被清洗和分离，系统就会完美地重新组装它们，从而保留其他方法往往会模糊或破坏的解剖结构精细边界。

为了测试这种新方法是否真的有效，研究人员在十个不同的医学数据集上对其进行了严格测试，涵盖了从甲状腺结节和乳腺肿瘤的超声图像，到黑色素瘤的皮肤扫描以及内窥镜下的息肉视图。他们将结果与目前最先进的十四种系统进行了对比。结果一致且明确：他们的框架在几乎所有类别中都显著优于其他系统。在甲状腺数据集中，他们的系统在匹配正确区域方面的得分达到了 89.05%，比次优方法有了显著提升。在皮肤癌图像中，它达到了 95.79%，而在肌肉成像中达到了 96.06%。更重要的是，视觉结果显示，他们的系统在追踪肿瘤和病变那往往呈锯齿状的精确轮廓方面做得更好，而旧系统生成的形状往往要么过于平滑，要么出现断裂、不连续的边缘。

研究人员还进行了专门的测试，以证明这些新组件正是成功的关键。他们证明，仅仅让两个引擎协同工作是不够的；系统需要那个特殊的桥梁来对齐它们的理解。他们还展示了，用基于小波的重建方法取代标准的像素拉伸法，是减少误差的最重要因素。当他们移除小波工具并回归旧方法时，性能随之下降，图像的准确性也降低了。这证实了图像重建的方式与分析方式同样关键。这项研究表明，通过尊重医学信号的频率特性并避免传统像素操作带来的失真，计算机可以成为更加可靠的诊断疾病伙伴，为人类身体隐藏结构的观察提供更清晰、更精准的视角。