FD-YOLO-Skin：频域增强的YOLO用于单类皮肤病变检测

《Frontiers in Medicine》：FD-YOLO-Skin: frequency-domain enhanced YOLO for single-class skin lesion detection

　　

引言：由于较大的类内变异、低对比度边界以及严重的前景-背景不平衡，皮肤镜图像中皮肤病变的自动检测仍然具有挑战性。
方法：研究人员提出FD-YOLO-Skin，一种频域增强的YOLOv8框架，用于单类微核病变检测。FD-YOLO-Skin引入了（i）颈部（neck）中的频域多尺度特征融合（Frequency-Domain Multi-Scale Feature Fusion，FMSFF）模块，通过基于FFT/IFFT的多分支频谱处理融合低频形状线索与高频纹理细节，以及（ii）骨干网络（backbone）上的频域对比学习（Frequency-Domain Contrastive Learning，FDCL）模块，该模块应用频谱增强和对比目标以提高复杂背景下的特征鲁棒性。
结果：在ISIC风格微核病变检测基准（ISIC-Style Micronucleus Lesion Detection Benchmark，ISIC-MLD；包含10,015张去标识化的皮肤镜图像）上，FD-YOLO-Skin在保留测试集上达到了0.990 ± 0.003的mAP@0.5（95% CI：[0.986, 0.994]）和0.905 ± 0.006的mAP@0.5:0.95，精确率和召回率均高于0.97。消融实验表明，FMSFF主要提高了小或低对比度病变的召回率，而FDCL相对于仅使用激进的空域增强，减少了假阳性并提高了精确率。
讨论：显式的频域多尺度融合和对比正则化以适度的计算开销改善了单类皮肤病变检测。源代码、预处理后的数据集划分和模型权重可在https://anonymous.4open.science/r/skin2-B816/获取。

皮肤病变自动检测是智能诊断中的重要研究方向，但皮肤镜图像中病变存在类内变异大、边界对比度低及前景-背景严重不平衡等问题，现有基于YOLO的检测器多在空域进行多尺度特征融合，缺乏对频域信息的显式建模，且训练策略未充分利用频域纹理特征，导致小病变和模糊边界检测效果不佳。为解决这些挑战，研究人员提出FD-YOLO-Skin，一种基于YOLOv8的频域增强框架，用于单类微核病变检测。通过引入频域多尺度特征融合（FMSFF）模块和频域对比学习（FDCL）模块，该方法在ISIC-MLD基准（10,015张去标识化皮肤镜图像）上取得了mAP@0.5达0.990±0.003、mAP@0.5:0.95达0.905±0.006的优异性能，显著优于基线模型（p<0.001）。该研究揭示了频域信息在提高病变检测灵敏度与减少假阳性方面的关键作用，为医学图像分析中的频域感知设计提供了新思路。论文发表在《Frontiers in Medicine》。

关键技术方法主要包括：基于YOLOv8-nano的FD-YOLO-Skin框架，在颈部（neck）嵌入FMSFF模块，该模块对特征图进行二维快速傅里叶变换（FFT）得到频域表示，构建多尺度分支（尺度因子集合S={1,2,4}），通过注意力机制自适应融合低频形状和高频纹理分量，再经逆FFT（IFFT）变换回空域并与原特征残差连接；在骨干网络（backbone）输出端加入FDCL模块，对频域幅值进行编码并施加频谱增强（低通、高通、带通滤波及频谱噪声），采用SimCLR风格的对比损失（温度τ>0）正则化表示学习，以增强特征对复杂背景的鲁棒性。样本队列来源为ISIC-MLD公开数据集，包含10,015张图像，按7:2:1划分为训练（7,010张）、验证（2,003张）和测试（1,002张）集，共有2,156个标注实例。

研究结果部分保留以下小标题：

**Quantitative results**：通过五次独立训练的统计检验，FD-YOLO-Skin在测试集上达到mAP@0.5为0.990±0.003（95%置信区间[0.986, 0.994]），mAP@0.5:0.95为0.905±0.006，精确率0.984±0.004，召回率0.987±0.003，均优于YOLOv8-n基线及YOLOv5-n、YOLOv7-tiny、Faster R-CNN、RetinaNet等对比方法（p<0.001），验证集与测试集间mAP@0.5差距小于0.005，表明泛化能力良好。

**Ablation study**：消融实验显示，单独添加FMSFF使召回率从0.976±0.004提升至0.983±0.003（p=0.009），小病变召回率提高2.2个百分点；单独添加FDCL使精确率从0.971±0.005提升至0.981±0.004（p=0.013），并减少假阳性；完整模型结合两者，获得最佳mAP@0.5（p=0.0003）。与激进空域增强（Mosaic、MixUp等）对比，FDCL在相同训练预算下仍显著提升小病变召回率（0.971 vs 0.949），表明频域对比学习提供了空域增强无法替代的正则化效果。

**Parameter and efficiency analysis**：相较于YOLOv8-n基线，FD-YOLO-Skin参数增加0.43M（+13.7%），FLOPs增加0.84G（+9.9%），推理延迟增加0.7ms/图像，峰值内存增加162MB，但吞吐量仍维持在100 FPS以上，满足交互式计算机辅助检测（CAD）需求。

**Qualitative analysis**：混淆矩阵显示假阳性主要出现在具有高频皮肤纹理的良性色素结构上，假阴性则集中于极小或低对比度病变，与尺寸分层召回率分析一致。训练曲线收敛稳定，未见明显过拟合。

在讨论部分，研究人员指出，FMSFF通过显式分离低频轮廓能量与高频边界/纹理能量，有效提升了小病变和低对比度病变的召回率；FDCL通过频域一致性正则化，在不依赖空域强增强的条件下减少了假阳性。两者协同作用，以适度计算开销实现了统计显著的性能提升。局限性包括：仅基于单类公开基准（ISIC-MLD），多中心多类泛化需进一步验证；失败案例分析不够细致；FMSFF采用固定尺度集和FFT/IFFT操作，可学习频带选择可能带来效率提升；缺乏前瞻性临床评估。未来工作方向包括多类多中心验证、自适应频率滤波器、与临床决策支持工具集成，以及扩展到组织病理学和内镜等其他医学影像模态。

研究结论部分翻译如下：本文提出了FD-YOLO-Skin，一种基于频域增强的YOLO框架，用于单类皮肤病变检测。通过在颈部（neck）引入FMSFF模块和在骨干网络（backbone）引入FDCL模块，该方法在频域中显式建模病变相关信息，同时保持与标准YOLOv8训练和推理管线的兼容性。在ISIC-MLD上进行的大量实验（包括五次运行的统计检验和扩展消融）表明，FD-YOLO-Skin在验证集和测试集上以适度的计算开销实现了高mAP、精确率和召回率。FMSFF模块联合利用低频形状和高频纹理线索，提高了小病变和低对比度病变的召回率。FDCL模块通过在训练期间强制执行频域一致性来补充这一点，减少了类别不平衡下的假阳性。总之，这些模块在保留实时推理能力的同时，相对于YOLOv8-n基线和竞争性检测器产生了统计上显著的改进。