融合位置门控与频域感知的U形扩展LSTM网络用于膀胱壁自动分割OA

由于膀胱壁普遍具有薄壁结构、边界模糊以及与邻近组织存在显著相互干扰等问题,现有的传统方法与通用分割网络通常难以获得精确且连续的分割结果。为此,提出一种基于编码器–解码器架构的Hybrid Frequency Aware-Net(HFA-Net)模型,设计频域路由增强模块,通过离散余弦变换建模局部频域特征,并对特征的纹理与边界信息进行选择性增强;引入位置感知门控模块,利用位置信息引导的门控机制,对跨层特征进行逐点调制,以抑制冗余区域响应并突出目标结构;同时嵌入xLSTM扩展型长短时记忆模块,结合卷积与门控记忆单元,有效建模三维特征间的长程依赖关系。实验结果表明,该方法在膀胱壁分割任务中相较多种主流模型,在多项分割指标上均取得显著提升,具体包括Dice系数0.830 1,IoU交并比0.713 0,95%豪斯多夫距离HD95为1.950 9,体积重叠误差VOE为0.287 0,平均体积差AVD为0.101 4,验证了所提框架在复杂边界与低对比度场景下的优越性。