CN119399464A 一种基于频率相位引导的复数模型临床图像语义分割方法 （东南大学）

一种基于频率相位引导的复数模型临床图本发明公开了一种基于频率相位引导的复床图像进行预处理；数据输入Gabor小波变换模域特征；将复值域特征输入频率自适应分离模且将低频特征与高频特征合并通过频率通道注2S3：将步骤S2得到的复值域图像输入编码网络，通过复值的S4：将步骤S3得到的复值域特征输入构建好的频率自S5：将步骤S4得到的重要特征输入下一级编码2.根据权利要求1所述的一种基于频率相位引导的复数模型临床图像语义分割方法，3.根据权利要求1所述的一种基于频率相位引导的复数模型临床图像语义分割方法，其特征在于，所述步骤S2中Gabor小波变换模块是由选择4个尺度，5个方向的滤波器组构4.根据权利要求1所述的一种基于频率相位引导的复数模型临床图像语义分割方法，3BN(z)=yz+e;5.根据权利要求1所述的一种基于频率相位引导的复数模型临床图像语义分割方法，其特征在于，所述步骤S3中复值的混合注意模块包括跨相位融合模块和幅度偏差干扰模6.根据权利要求5所述的一种基于频率相位引导的复数模型临床图像语义分割方法，C1：分别应用3x3和1x1卷积运算来分别获得特征F3和F1，然后将这些特征融合在一xF1)。7.根据权利要求6所述的一种基于频率相位引导的复数模型临床图像语义分割方法，D1：对步骤C2输出的复值特征和跨相位融合模块的输入逐像素相加并经过3x3作为幅D4：下分支特征分离为幅度和相位分量，然后通过应用具s8.根据权利要求1所述的一种基于频率相位引导的复数模型临床图像语义分割方法，E1：对特征图沿通道维度进行一级小波分解，得到低频系数和高频系数E2：将低频系数替换为零矩阵与高频系数一起进行逆小波变换，得到高频特征FH∈RCxHxW;cat按通道分成n个部分，记为r,etcw,随后对Fi执行DCT操作并将拼接在一49.根据权利要求8所述的一种基于频率相位引导的复数模型临床图像语义分割方法，F1：对步骤E5得到的特征Fhybrid通过1x1的卷积改变通道数为C，作为下一级编码器输10.根据权利要求9所述的一种基于频率相位引导的复数模型临床图像语义分割方法，5[0007]S2：将步骤S1得到的预处理后的图像数据输入Gabor小波变换模块转换为复值域67s[0042]步骤S3中的复值网络被证实是一种数据驱动的非线性小波包，Gabor小波变换后征FH和低频特征FL合并为Fcat输入频率通道[0050]步骤S4中的频率自适应分离模块是基于深度学习的模型倾向于根据特定任务学8网络可以直接处理相位分量，为临床图像分割提供了一种更好的感知结构的潜在解决方[0067]图4是以乳腺超声图像为例，经步骤S2处理后得到的复值域图像和步骤S1得到的[0069]图6是为以乳腺超声图像为例，输入图像经过由的频率相位引导的复数模型分割种等价形式的修改均落于本申请所附权利要求所限定9[0078]S2：将步骤S1得到的预处理后的图像数据输入Gabor小波变换模块转换为复值域[0080]通过构建一组Gabor滤波器的集合将临床图像转换到复值域，恢复图像的相位信s征FH和低频特征FL合并为Fcat输入频率通道Fmu,/下而储器电路(例如静态随机存取存储器电路或动态随以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/现在流程图一个流程或多个流程和/或方