基于小波的高频融合方法用于显微镜图像中粪便病理成分的多类分割

《Engineering Applications of Artificial Intelligence》：Wavelet-based high-frequency fusion for multi-class segmentation of fecal pathological components in microscopic images

　　摘要：粪便显微镜检查是三大常规临床检查之一，在通过识别红细胞、白细胞、寄生虫及其他粪便病理成分来辅助疾病诊断方面发挥着关键作用。然而，目前的手动检测方式既耗时又费力，且易受主观因素影响；而现有的自动化系统在处理复杂的粪便成分分割任务时，尤其是在识别稀有寄生虫结构方面，仍存在性能局限。为解决这些问题，我们提出了MCFM-Net，这是一种用于显微镜图像中多类粪便病理成分分割的新型双流架构。该方法通过并行流程处理灰度粪便显微镜图像：一个空间域分支用于捕捉形态特征，另一个基于Haar小波变换的频域分支则用于提取对边界敏感的高频信息。此外，还引入了融合注意力模块，以便在不同尺度间自适应整合互补特征。同时，设计了一种结合Dice损失、焦点损失、边界损失和边缘感知损失的复合损失函数，用以应对粪便显微镜检查中普遍存在的严重类别不平衡问题（寄生虫仅占不到1%的像素）以及边界对比度低的问题。大量实验表明，MCFM-Net的平均Dice得分达到了83.55%，优于FPN（75.95%）、DeepLabv3+（74.69%）和PSPNet（74.90%）。这些结果说明，该方法为临床显微镜检查中的粪便病理成分自动分析提供了高效且可靠的解决方案，尤其适用于那些存在类别不平衡和边界不清晰的复杂场景。

引言：粪便显微镜检查作为医院三大常规临床检测项目之一，在胃肠道疾病诊断及临床决策中起着重要作用。粪便显微镜涂片中所观察到的病理成分能为多种疾病的诊断提供重要依据（Vandepitte, 2003; Garcia et al., 2016）。具体而言，红细胞的数量和形态可提示是否存在下消化道出血或炎症病变；白细胞则反映肠道炎症的存在程度；而寄生虫卵的检出可直接辅助诊断寄生虫感染（Garcia et al., 2016; 美国疾病控制与预防中心）。尽管其具有重要的临床价值，但大多数医院的常规粪便检查仍高度依赖人工显微镜观察。这一过程不仅耗时费力，还极度依赖于操作人员的经验，从而导致效率低下、标准化程度不足，进而增加漏诊或误诊的风险（Garcia et al., 2016），尤其是在大规模临床筛查中。因此，开发基于人工智能的粪便显微镜图像自动分析系统，已成为提升诊断效率、一致性和准确性的迫切临床需求。

然而，粪便病理成分的自动分割与识别仍然面临诸多挑战。首先，粪便显微镜图像中含有大量杂质、有机碎屑、黏液、染色伪影以及重叠结构，导致背景复杂、边界模糊、对比度低且存在严重的视觉干扰。目标病理成分往往被部分遮挡或嵌藏在杂乱的背景中，使得精确界定其边界十分困难。此外，不均匀的照明、染色差异、成像噪声以及样本厚度的不一致性进一步降低了图像质量，增加了后续分析的难度（Wang et al., 2019; 中国医学实验室协会血液与体液学组、中国健康文化协会实验室诊断与社会化服务分会，2026）。其次，粪便病理成分具有显著的形态异质性及多尺度特征。例如，红细胞的直径通常为6-8微米，白细胞的直径在10到20微米之间，真菌孢子的大小往往只有几微米，而寄生虫卵的直径可能超过60微米（中国医学实验室协会血液与体液学组、中国健康文化协会实验室诊断与社会化服务分会，2026）。不同类别的病理成分还具有不同的结构和边界特性：白细胞的细胞膜通常较为光滑，而真菌孢子及与寄生虫相关的结构则往往具有不规则的纹理和细小的细节。此外，密集分布的病理成分常常相互重叠、粘连或聚集在一起，这就要求模型能够同时捕捉全局上下文信息与局部的细微边界变化（Ma et al., 2024）。如此极端的尺度多样性和结构复杂性，给传统的分割算法带来了巨大挑战。第三，严重的类别不平衡进一步限制了模型的训练效果。在实际的粪便数据集中，背景区域占据了图像的大部分，而具有临床意义的类别，如寄生虫卵和稀有病理结构，仅占据极少数像素（Manoni, 2024）。基于手工设计的纹理或几何描述符的传统机器学习方法，在这种高度不平衡的情况下难以捕捉到具有区分度的特征表示。尽管深度学习在医学图像分析领域取得了显著成果（Ronneberger et al., 2015; Zhou et al., 2019; Huang et al., 2020; Milletari et al., 2016），但现有的粪便分析系统在处理稀有或边界不清晰的病理成分时，仍存在分割精度不足和鲁棒性差的问题（Krikid et al., 2024; Xing et al., 2017）。现有方法的另一个重要缺陷在于未能充分利用频域信息。传统的卷积神经网络主要在空间域进行运算，往往忽视了对边界界定和微观图像纹理特征描述至关重要的高频结构信息（Upadhyay et al., 2020a）。在粪便显微镜图像中，具有诊断价值的线索往往集中在细胞膜边缘、轮廓过渡处以及细微的结构纹理上，而这些特征自然体现在高频表征中。仅依靠空间卷积往往难以完全捕获这类信息。

近年来，由于频域表征学习能够增强结构细节和边界敏感特征，因此在医学和遥感图像分析领域受到了越来越多的关注（Upadhyay et al., 2020b; Zhao et al., 2021; Li et al., 2025, 2026）。先前的研究已经表明，考虑频率特性的特征建模能够在复杂成像条件下提升分割的鲁棒性（Zhou et al., 2024）。例如，FreDNet通过频率分解，同时建模高频结构信息与低频上下文特征，从而提升了在复杂场景下的分割一致性（Li et al., 2026）。类似地，PDDFormer通过逐步的双域特征交互，证明了频率感知注意力机制能有效增强边界界定能力，同时抑制背景干扰（Li et al., 2025）。这些研究结果表明，频域表征能够提供传统空间域学习所无法获取的补充信息，尤其适用于需要高精度细粒度预测的任务。

基于上述观察，我们提出了MCFM-Net，这是一种用于显微镜图像中多类粪便病理成分分割的双流架构。该框架通过两个并行的编码分支，同时处理原始灰度图像和基于Haar小波的高频表征，从而实现空间域与频域特征的互补提取。为有效整合这两种表征，我们在多个层次上引入了融合注意力模块，通过自适应的注意力加权机制动态融合空间域与频域特征。这一设计提升了模型处理弱边界、密集物体分布以及病理成分之间巨大形态差异的能力。此外，解码器还结合了深度监督机制与辅助预测头，以提高优化稳定性，并在不同尺度上保持良好的特征区分度。

本项工作的主要贡献如下：（1）我们提出了一种全新的双流空间-频域表征学习框架，用于粪便显微镜图像的分割，该框架将空间形态信息与小波域的高频结构明确分开，从而更有效地实现对弱边界、细粒度纹理以及高度异质性的病理成分的建模。（2）我们设计了自适应的融合注意力模块，用于在多个尺度间实现动态的跨域特征整合，使网络能够根据局部图像的复杂程度选择性地强调空间特征或频率特征，从而提升在处理小物体、粘连物体以及低对比度区域等复杂场景时的鲁棒性。（3）我们针对粪便显微镜检查的特点，开发了一种基于频率引导的复合优化策略，该策略结合了区域级、边界级以及难例感知的监督机制，有效解决了严重的类别不平衡和边界模糊问题，从而在贴近临床实际的条件下提升了分割的一致性与轮廓精度。

总体而言，这些贡献共同构成了一种以任务为导向的统一框架，该框架通过利用互补的空间-频域表征以及自适应的融合机制，提升了粪便显微镜图像分割的性能。

方法：我们提出了MCFM-Net，这是一种专为解决显微镜图像中多类粪便病理成分分割难题而设计的新型双流架构。粪便病理成分的分割面临着诸多独特挑战，包括微生物群类型之间的极端形态多样性——细菌、寄生虫、孢子以及血细胞的尺寸、形状和纹理差异极大；此外，由于相邻成分的密度相近，导致边界对比度较低。

数据集：我们研究了来自重庆大学附属重庆医科大学中心医院临床检验科的粪便-微生物群显微镜图像。该数据集包含3785张图像，涵盖四类病理成分：1230张白细胞图像、843张红细胞图像、1287张孢子图像以及425张寄生虫图像。所有掩码均由两名独立的临床检验专家在像素级别手动标注，之后还经过了资深专家的审核。

讨论：本研究针对显微镜图像中多类粪便病理成分分割这一具有挑战性的问题展开研究，这类问题的特点在于边界模糊、类别不平衡严重、背景污染严重，且不同尺度上的形态差异显著。这些因素共同导致了特征表示的不稳定，以及边界敏感区域的频繁模糊，使得基于传统卷积神经网络和Transformer模型的分割方法难以实现可靠的分类。

结论：我们提出了MCFM-Net，这是一种用于显微镜图像中多类粪便病理成分分割的双流频域感知框架。通过借助自适应融合注意力模块，将该模型中的空间表征与高频小波特征相结合，该模型能够有效处理弱边界、形态多样性以及严重的类别不平衡问题。在内部数据集和外部数据集上进行的广泛实验表明，该模型在各项指标上均优于现有的最先进方法。

资金支持：本项目得到了重庆市科医结合医学科学研究项目（项目编号：2024QNXM055）的部分资助，同时也得到了陕西省自然科学基础研究计划（项目编号：2025SF-YBXM-175）的部分支持。

作者贡献声明：刘荣：形式分析、验证、论文撰写——审阅与编辑；童诺：概念设计、验证、论文撰写——初稿撰写、审阅与编辑；苟水平：方法设计、监督指导、论文撰写——审阅与编辑；梁 Bianping：数据整理、资金筹集、验证工作；邓少斌：研究实施、验证、论文撰写——初稿撰写；李继生：概念设计、可视化处理、论文撰写——审阅与编辑；王明雪：概念设计、资金筹集、资源协调、利益冲突声明。作者声明不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

刘荣|童诺|苟水平|梁 Bianping|邓少斌|李继生|王明雪
中国陕西省西安市陕西师范大学物理与信息技术学院，邮编710119