一种基于COD频域引导的医学图像模糊边界分割系统及方法

本发明公开了一种基于COD频域引导的医学图像模糊边界分割系统及方法。针对医学图像在复杂背景下边界模糊的分割难题，本发明创新性地将频域特征处理与改进的伪装目标检测(COD)算法相结合，设计了一种渐进式边界优化的分割框架FEA‑Net。该框架设计了四个关键模块：语义边缘增强模块(SEEM)通过空间‑通道自注意力实现边界初步定位；在SEEM基础上，频域特征引导增强模块(FTEM)利用傅里叶变换和自适应频率选择进一步提升边界预测精度；自适应边缘特征模块(AEFM)突出关键边界特征；上下文注意力聚合模块(CAAM)实现特征融合。实验表明，本发明在Kvasir‑SEG、ISIC2018、KPIs2024数据集上的评估指标均获得显著提升，特别是在处理边界模糊区域时展现出明显优势，为医学图像精确分割提供了可靠支持。