基于小波变换高频特征引导的MRI图像分割方法

本发明涉及医疗设备，尤其涉及一种基于小波变换高频特征引导的mri图像分割方法。

背景技术：

1、乳腺癌是全球女性中发病率最高的恶性肿瘤之一，对女性健康造成了严重威胁。大量研究表明，早期发现和准确评估乳腺病变能够显著提高患者生存率和治疗效果。在乳腺癌诊疗过程中，病灶的大小、形态、边界特征以及与周围组织的关系均是临床诊断和治疗方案制定的重要依据。因此，对乳腺病灶进行准确分割具有重要的临床应用价值。

2、磁共振成像（magnetic resonance imaging，mri）因具有优异的软组织分辨能力和较高的病灶敏感性，已成为乳腺癌筛查、诊断及疗效评估的重要影像学工具。然而，乳腺mri图像通常存在组织结构复杂、灰度分布不均、病灶边界模糊以及成像噪声等问题。此外，部分病灶体积较小、形态不规则，其关键结构信息在网络下采样和特征聚合过程中容易被削弱或丢失，从而影响病灶区域的准确定位与精细分割。

3、近年来，基于深度学习的医学图像分割方法取得了显著进展。其中，u-net及其变体通过编码器—解码器结构和跳跃连接实现多层级特征融合，有效提升了分割性能。为了进一步增强模型对目标结构的表达能力，研究人员提出了多尺度特征融合、注意力机制以及特征金字塔等方法，通过加强不同层级语义信息与空间细节信息之间的交互来实现特征聚合。然而，该类方法通常是对结构信息的隐式建模，并且容易引入与目标无关的背景响应，从而削弱对细粒度结构的表征能力。

4、此外，为增强模型对结构信息的感知能力，部分研究引入边缘建模方法，通过边缘预测或边界监督机制引导网络关注目标轮廓信息。然而，该类方法高度依赖空间域边界信息，当病灶边界模糊或对比度较低时，其结构建模效果容易受到限制。

5、为进一步提高模型对结构细节的感知能力，部分研究引入频域表示方法。现有方法通常利用傅里叶变换（fourier transform）或小波变换（wavelet transform）获取图像中的频率信息。其中，傅里叶变换侧重于全局频率表达，而缺乏对局部空间信息的显式表征能力；小波变换则可以兼顾频率信息和空间结构信息的表达，在进行频率分析的同时保留图像的空间位置信息。然而，现有频域方法在高频结构信息利用方面仍较为有限，通常未对不同高频子带进行区分利用，难以充分挖掘各高频子带所蕴含的结构特征，从而限制了模型对细粒度结构信息的表达能力。

技术实现思路

1、本发明的目的就在于为了解决上述问题设计了一种基于小波变换高频特征引导的mri图像分割方法。

2、本发明通过以下技术方案来实现上述目的：

3、基于小波变换高频特征引导的mri图像分割方法，包括：

4、s1、获取待分割的mri图像，并对待分割的mri图像进行预处理；

5、s2、对预处理后的mri图像进行频域分解提取高频信息，并对高频信息进行分类并调制，再对调制后的高频信息重构回空间域获得高频特征；

6、s3、通过两个连续连接的第一下采样模块对预处理后的mri图像进行两次下采样操作调整图像尺寸，获得调整后的mri图像；

7、s4、编码器将调整后的mri图像和高频特征进行融合，并进行结构信息建模，获得编码特征；

8、s5、对编码特征进行上采样，并通过分割头输出最终的病灶分割结果。

9、本发明的有益效果在于：提取待分割的mri图像中的高频信息，并对高频信息进行调制获得高频特征，抑制不稳定高频响应对特征表达的干扰，使所获得的高频特征能够更加准确地表征病灶相关结构信息，为后续特征学习提供具有结构意义的引导信息；再将高频特征引入编码阶段，使其中蕴含的结构信息在多层特征学习过程中持续发挥引导作用，缓解关键结构信息在特征压缩过程中的衰减，从而提高模型对细粒度结构及复杂边界区域的表达能力。

1.基于小波变换高频特征引导的mri图像分割方法，其特征在于，包括：

2.根据权利要求1所述的基于小波变换高频特征引导的mri图像分割方法，其特征在于，在s1中，预处理包括重采样、数据归一化和裁剪。

3.根据权利要求1所述的基于小波变换高频特征引导的mri图像分割方法，其特征在于，在s2中包括：

4.根据权利要求3所述的基于小波变换高频特征引导的mri图像分割方法，其特征在于，结构自适应调制系数表示为：，，调制后的第一子带或调制后的第二子带表示为：，其中，k为用于控制调制强度的超参数，⊙为元素级乘法，为第一子带或第二子带；为结构响应强度。

5.根据权利要求3所述的基于小波变换高频特征引导的mri图像分割方法，其特征在于，编码器从输入到输出依次包括第一编码阶段、第二编码阶段、第三编码阶段和第四编码阶段，高频特征分别输入到第一编码阶段、第二编码阶段、第三编码阶段和第四编码阶段；第一编码阶段包括多个串联的局部结构增强模块和第二下采样模块；第二编码阶段和第三编码阶段均包括多个串联的局部结构增强模块、多个串联的全局特征聚合模块、拼接层和第二下采样模块，第四编码阶段包括多个串联的全局特征聚合模块和第二下采样模块；高频特征分别输入到第一编码阶段、第二编码阶段、第三编码阶段和第四编码阶段的每个局部结构增强模块和每个全局特征聚合模块；

6.根据权利要求5所述的基于小波变换高频特征引导的mri图像分割方法，其特征在于，局部结构增强模块对输入特征具体的处理包括：

7.根据权利要求5所述的基于小波变换高频特征引导的mri图像分割方法，其特征在于，在s2与s3之间还包括s2’、将高频特征逐级调整至与输入到第一编码阶段、第二编码阶段、第三编码阶段和第四编码阶段的输入特征一致的空间尺寸。

8.根据权利要求1所述的基于小波变换高频特征引导的mri图像分割方法，其特征在于，在s4中，对所有编码特征通过卷积映射至统一的通道维度，并通过插值操作调整至统一的空间分辨率，再进行融合，获得融合特征。