SFA-DiffNet: Spatial-frequency aware diffusion network for robust medical image segmentation

Tongtong Xie

doi:10.1016/j.eswa.2026.133529

SFA-DiffNet: Spatial-frequency aware diffusion network for robust medical image segmentation

2026-07-01

0

PRE

AI

DOI：10.1016/j.eswa.2026.133529

原文链接

原文求助

摘要

En 中文

扩散模型在医学图像分割中展现了显著潜力，但在捕捉复杂精细结构方面仍面临挑战。现有的空间域骨干网络存在对低频成分的偏倚，而降噪过程常导致高频细节过度平滑，损害边界精度和跨域泛化能力。为克服这些局限，我们提出了一种空间-频率感知扩散网络（SFA-DiffNet），联合建模空间和频率表示，并辅以基础模型的条件引导。该设计在实验中提升了细节保持和边界精度。具体而言，我们引入了空间-频率感知编码器（SFAE），将特征分解为互补的空间和频率表示。它包含用于学习上下文信息的空间感知模块（SAB）、用于探索频谱线索的频率感知模块（FAB）以及用于互补融合的自适应融合模块（AFB）。此外，我们开发了基础模型引导机制，通过自适应特征投影器（AFP）和语义对齐融合模块（SAFB）动态注入语义先验，确保条件特征与降噪特征的匹配。在多模态医学影像数据集上的广泛实验表明，SFA-DiffNet在性能上与现有方法具有竞争力，并显示出跨域泛化的潜力。源代码可在GitHub上获取。

Keyword:

Medical image segmentation

Diffusion model

Deep learning

Wavelet transform

SFA-DiffNet: Spatial-frequency aware diffusion network for robust medical image segmentation

摘要

期刊

机构

引用论文