WDSSNet：一种基于小波解耦的选择性状态学习方法，用于细粒度微生物显微镜图像分类

《Journal of Water Process Engineering》：WDSSNet: Wavelet-decoupled selective state learning for fine-grained microbial microscopy image classification

　　• WDSSNet在三个微生物显微镜基准测试中领先于宏观F1评分。
• 小波单元将形态与方向依赖的细节分开。
• 四方向状态空间学习能够捕捉长距离的空间背景。
• WDSSNet在所有三个评估的数据集上都获得了最高的平均测试宏观F1评分。
• 相比最强大的基线模型EMDS-6，WDSSNet的测试宏观F1评分提高了6.35分。

**引言**
活性污泥工艺仍然是城市和工业废水处理的核心。其性能取决于多种微生物群落的结构和活性，而这些微生物群落的组成和生理状态与污染物去除和工艺稳定性密切相关[1]。因此，长期以来一直通过显微镜观察污泥絮体、丝状生物及其相关微生物来表征污泥状况和与沉降行为相关的形态。全面的研究进一步表明，定量图像分析可以支持对活性污泥形态和沉降性能的评估[2]。然而，传统的显微镜评估方法耗时较长，严重依赖于分类学专业知识，并且难以满足常规监测所需的频率要求。自动化微生物计数和图像解释为更客观、可重复的评估提供了途径[3]。高内涵成像技术的进步也展示了基于图像的表型分析的更广泛潜力[4]。最近，特定于废水的研究应用深度学习来分析活性污泥显微镜图像中的丝状和絮状细菌[5]。

尽管如此，可靠地自动分类微生物显微镜图像仍然具有挑战性，因为不同类别可能在整体外观上相似，但在细微的形态特征（包括轮廓、内部结构、局部附肢和方向依赖的模式）上存在差异。同一类别内的图像可能在尺度、姿态、照明、焦点和背景组成上有所不同。这些困难在基于深度学习的显微镜图像分析中普遍存在[6]。深度学习也被用于颗粒丰富环境样本中的客观微生物细胞识别[7]，而关于智能微生物识别的更广泛研究强调了特征学习、数据质量和模型选择的重要性[8]。小的类间差异与较大的类内变异相结合，使得在抑制采集相关干扰的同时保留具有区分性的形态变得困难。

卷积神经网络（CNN）为学习到的视觉表示和图像分类奠定了坚实的基础[9]。优化的卷积架构已被专门应用于环境微生物分类[10]。密集的连接性提高了深度网络中的特征复用性和梯度传播[11]，而MobileNetV2通过逆残差和线性瓶颈减少了计算需求[12]。ShuffleNet提供了另一种基于分组卷积和通道混合的高效架构[13]。在EMDS-6上的比较评估展示了现代卷积和基于Transformer的分类器在小样本条件下的价值和局限性[14]。ConvNeXtV2通过联合开发网络架构和训练策略进一步现代化了卷积设计[15]。然而，在异构采集条件下进行泛化仍然是一个公认的问题[16]。已经研究了成对特征学习以增强环境微生物的表示[17]，并且还开发了用于微生物菌落识别的卷积模型[18]。细粒度的注意力机制可以进一步强调区分性区域和特征相互作用[19]。尽管有这些进展，卷积编码器通常通过堆叠的感受野隐式地聚合频率和方向信息，而不是明确地将全局形态与方向依赖的细节分开。

卷积操作的局部性促使了一些架构将自注意力或状态空间递归集成进来，以实现长距离上下文建模。UniFormer结合了卷积和自注意力，将局部特征提取与全局依赖建模结合起来[20]，而对混合CNN–Vision Transformer架构的综述强调了这两种表示机制的互补性质[21]。Vision Transformer也被应用于高分辨率显微镜中的细菌识别[22]。对于环境微生物分类，EMViT-Net结合了卷积特征提取、基于Transformer的建模和多层感知器[23]。状态空间模型提供了支持高效长序列处理的递归公式，并且还促进了事件序列应用中的计算内存实现[24]。它们的视觉扩展包括用于医学图像分割的状态空间架构[25]和显微镜图像分类[26]。已经开发了用于大规模图像表示的二维状态空间扫描[27]，而结构感知的状态融合改善了视觉状态空间网络中的空间依赖建模[28]。这些方法实现了高效的长距离交互，但它们并没有根据低频形态和方向特定的小波响应来明确组织状态传播。

卷积操作的局部性促使了一些架构集成自注意力或状态空间递归，以实现长距离上下文建模。UniFormer结合了卷积和自注意力，将局部特征提取与全局依赖建模结合起来[20]，而对混合CNN–Vision Transformer架构的综述强调了这两种表示机制的互补性质[21]。Vision Transformer也被应用于高分辨率显微镜中的细菌识别[22]。对于环境微生物分类，EMViT-Net结合了卷积特征提取、基于Transformer的建模和多层感知器[23]。状态空间模型提供了支持高效长序列处理的递归公式，并且还促进了事件序列应用中的计算内存实现[24]。它们的视觉扩展包括用于医学图像分割的状态空间架构[25]和显微镜图像分类[26]。已经开发了用于大规模图像表示的二维状态空间扫描[27]，而结构感知的状态融合改善了视觉状态空间网络中的空间依赖建模[28]。这些方法实现了高效的长距离交互，但它们并没有根据低频形态和方向特定的小波响应来明确组织状态传播。因此，相关的问题不在于现有的状态空间模型必然丢弃高频信息，而在于它们的空间传播路径通常缺乏明确的频率–方向分解。

频率和纹理感知的表示提供了一个补充视角，因为具有区分性的视觉线索可能在空间频率带中分布不均。基于补丁的纹理描述符可以改善局部微观结构模式的表示[29]，而小波引导的网络将多尺度细节 incorporated 到血管分割中[30]。也已经研究了联合频域和纹理感知的建模，用于磁共振图像超分辨率[31]。在遥感纹理分析中考虑了空间连续性和灰度多样性[32]，而双分支空间–小波融合已应用于道路提取[33]。已经开发了用于高光谱图像分类的混合纹理–结构学习[34]，图小波提供了另一种多尺度高光谱表示机制[35]。小波域描述符可以编码稳健的多尺度纹理信息[36]，而小波-注意力CNN通过学习到的注意力来细化高频响应[37]。傅里叶和小波基也已被研究作为高效视觉分类模型中自注意力的替代方案[38]。总体而言，这些研究表明频率分解是一种有用的表示机制，但它们并没有在微生物图像中确立高频的主导地位，也没有确定方向性小波响应应如何与多方向状态空间传播相互作用。

这些研究方向的综合揭示了一个共同的未解决问题：在微生物显微镜中，具有区分性的证据分布在不同的频率带和方向上：粗略的身体轮廓和强度组织主要与低频结构相关，而精细的边界、内部纹理和方向敏感的细节则贡献于方向性的高频响应。然而，高频成分也可能包含背景边缘、成像噪声和焦点相关的伪影。因此，有效的表示应该保留全局的低频形态，同时选择性地加权方向性细节成分，而不是无差别地放大所有高频信息。卷积编码器隐式地聚合此类信息，状态空间模型在没有明确的频率–方向基础的情况下传播上下文，而现有的频率感知方法通常不将方向子带与多方向长距离状态传播相结合。这一差距促使将小波分解与视觉状态空间建模相结合：小波分解提供了明确的频率–方向基础，而多方向状态传播捕捉了沿互补空间顺序的上下文依赖性。为了解决这个问题，我们提出了WDSSNet，这是一个用于细粒度微生物显微镜图像分类的小波解耦选择状态网络。该网络从浅层特征提取和通道重新校准开始，接着是四个基于小波的净化单元（WPU）。每个WPU执行一级Daubechies-4离散小波变换，独立处理近似和方向细节子带，并使用图像级方向权重自适应地结合LH、HL和HH响应。然后通过固定的频谱平衡和残差连接整合近似和加权细节分支。得到的表示被传递给小波增强选择状态模块（WSSM），其中两个HMamba2D层通过四个互补的扫描方向模拟长距离依赖性。一个逆小波分支从最终WPU存储的原始系数中重建形态信息，并将其与状态空间表示融合。这种设计将明确的频率–方向分解与多方向上下文建模结合起来，同时避免了所有高频响应都具有同等信息量的假设。

**本文的其余部分组织如下**：第2节描述了WDSSNet架构及其组成模块。第3节介绍了数据集、实验方案、频域表征、比较评估、组分控制、统计分析和计算评估。第4节讨论了结果的解读、应用范围和局限性。第5节总结了这项研究。

**整体架构**
细粒度微生物分类需要一种能够同时保留全局低频形态并选择性放大方向特定诊断细节的表示方法。WDSSNet就是围绕这一原则设计的：它首先提取浅层特征，然后通过小波处理将其明确分解为频率和方向成分，最后通过多方向状态空间传播模型长距离空间依赖性。如图1所示，

**数据集和分割完整性**
三个数据集分别进行了评估。环境显微镜图像集（EMIC）是由作者从龙江环保集团运营的太平-文昌污水处理设施获得的显微镜图像中开发的内部数据集。它包含4460张图像，代表14个硅藻属。分类标签由合作组织的专业人员分配。EMDS-6包含来自21个类别的840张图像[39]，MD-AS-2025包含...

**讨论**
WDSSNet在所有三个数据集上的测试宏观F1评分均最高，显示出在不同类别组成和样本大小的不同基准测试中的一致性能。与DenseNet-121相比，在EMDS-6上观察到了最大的测试宏观F1提升，其中每个类别只有28张训练图像可用。平均提升幅度为6.38个百分点（95%置信区间4.75–8.00；Holm调整后的p值=0.0012），这支持了所提出方法的有效性。

**结论**
本研究提出了WDSSNet，这是一个用于细粒度微生物显微镜图像分类的小波解耦选择状态网络。所提出的架构结合了基于小波的净化单元和基于小波增强的选择状态模块，以集成明确的近似-细节分解、图像级方向加权、四方向状态空间建模和系数一致的特征重建。这种设计使网络能够保留全局形态。

**作者贡献声明**
Wang Zhengduo：撰写 – 原始草稿、可视化、验证、软件、方法论、调查、概念化。
Yang Sen：撰写 – 审稿与编辑。
Fan Tianming：验证、方法论。
Huang Zhen：资金获取。

**在编写过程中使用生成式AI和AI辅助技术的情况**
在准备这项工作时，作者使用ChatGPT（OpenAI）来提高语言和可读性。使用该工具后，作者根据需要审查和编辑了内容，并对出版物的内容负全部责任。

**资助**
这项工作得到了广东省自然科学基金（项目编号2024A1515011833）、广东省普通高校重点领域专项项目（项目编号2025ZDZX2042）和广东省普通高校创新团队项目（项目编号2025KCXTD02）的支持。

**利益冲突声明**
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Yang Sen报告称获得了岭南师范学院机械与电子工程学院的财务支持。Yang Sen报告与岭南师范学院机械与电子工程学院存在关系，包括财务资助。如果有其他作者，他们声明没有已知的竞争财务利益。

**致谢**
作者感谢龙江环保集团运营的太平-文昌污水处理设施的专业人员在样本准备和EMIC图像的分类注释方面提供的帮助。

**作者名单**
Wang Zhengduo | Yang Sen | Fan Tianming | Huang Zhen