基于多尺度融合MAU-Net模型的蒙医尿诊气泡特征分析

Bubble Feature Analysis of Mongolian Medicine Urine Diagnosis Based on a Multi-Scale Fusion MAU-Net Model

摘要

尿液气泡形态特征是蒙医尿诊中辨识赫依证型和其他证型的重要客观依据，但传统蒙医尿诊依据医生目视判断“三时九律”特征，存在人为误差导致的不准确性且缺乏标准数据集。针对上述问题，建立包含2 400个样本的蒙医尿诊数据集MUB-Seg，该数据集包含蒙医尿诊“三时九律”的热温冷三时段颜色、气泡、透明度、沉渣、漂浮物5个特征。基于VMUNet构建多尺度特征融合网络MAU-Net，以提升气泡提取精度。其中将空洞空间金字塔池化模块与U-Net级联式解码相结合，提升模型对图像全局信息与局部细节的捕捉效率，损失函数联合优化二元交叉熵损失和Dice损失，以兼顾小目标召回率与边界对齐精度，避免单一损失函数的偏置问题。实验结果表明，在自建数据集MUB-Seg上，MAU-Net结合BCE-Dice复合损失的IoU为72.88%、F1为84.31%、敏感性为83.75%，且在边缘细节恢复、微小气泡检出与复杂背景抑制方面均优于PSPNet、U²-Net、U-Net与VMUNet，相较次优PSPNet指标分别提升3.11%、2.11%和2.51%。可见，多尺度特征融合与损失函数协同优化的策略，有效提升了MAU-Net对尿液气泡图像局部特征与结构边界的敏感性，为赫依证型的客观化辨识提供了技术支撑，同时也验证了深度学习在民族医学图像分析中的可行性。

Abstract

The morphological characteristics of urine bubbles are an important objective basis for identifying Heyi syndrome and other syndromes in Mongolian medicine urine diagnosis. However， traditional Mongolian medicine urine diagnosis relies on visual judgment of the "three times and nine laws" features， which suffers from inaccuracies due to human errors and lacks a standardized dataset. To address these issues， a Mongolian medicine urine diagnosis dataset named MUB-Seg， containing 2 400 samples， was established. This dataset included five features from the "three times and nine laws" of Mongolian medicine urine diagnosis： color， bubbles， transparency， sediment， and floating matter across the warm， hot， and cold phases. Based on VMUNet， a multi-scale feature fusion network named MAU-Net was constructed to improve bubble extraction accuracy. Specifically， an atrous spatial pyramid pooling module was combined with U-Net cascaded decoding to enhance the model's efficiency in capturing global image information and local details. The loss function jointly optimized binary cross-entropy loss and Dice loss to balance small-target recall and boundary alignment accuracy， avoiding the bias of a single loss function. Experimental results on the self-built MUB-Seg dataset show that MAU-Net combined with the BCE-Dice composite loss achieves an IoU of 72.88%， an F1 score of 84.31%， and a sensitivity of 83.75%. It outperforms PSPNet， U2-Net， U-Net， and VMUNet in edge detail recovery， small bubble detection， and complex background suppression， improving by 3.11%， 2.11%， and 2.51%， respectively， compared with the suboptimal model PSPNet. Thus， the strategy of multi-scale feature fusion and loss function co-optimization effectively enhances the sensitivity of MAU-Net to local features and structural boundaries of urine bubble images， providing technical support for the objective identification of Heyi syndrome while also demonstrating the feasibility of deep learning in ethnic medical image analysis.

Graphical abstract

关键词

尿液气泡图像分割 / 边界优化 / 特征提取 / 损失函数组合 / 多尺度融合

Key words

urine bubble image segmentation / boundary optimization / feature extraction / loss function combination / multi-scale fusion

蒙医尿诊作为民族医学中极具特色的辨证方法，其核心价值在于通过尿液的“三时九律”（即热温冷三个时段，对应颜色、气泡、透明度等九种特征）构建病症辨证体系。其中，尿液气泡形态特征是辨识赫依证型与希拉、巴达干等证型的关键客观依据，蒙医典籍《四部医典》明确记载，赫依证型患者尿液常出现大泡沫且消失缓慢的特征，这与希拉证小泡沫且消失快、巴达干证小且黏泡沫形成明显区分，为证型的精准区分提供了临床锚点。然而，当前蒙医尿诊的气泡特征分析仍面临两大局限：其一，传统诊断模式高度依赖医师主观经验，对泡沫大小、消散速度等细粒度特征的判断易受人为误差干扰；其二，缺乏适配蒙医“三时九律”场景的标准化尿液气泡图像数据集，导致传统诊断的标准化推进与现代计算机技术的引入均缺乏数据基础。

当前图像分割技术在尿诊领域的应用，大多聚焦于对尿液显微图像中的细胞或管型等组织尺度目标的分割。早期研究以传统图像处理方法为主，如Mumford-Shah变分模型^［1⁃2］、水平集边界建模^［3⁃4］、 小波变换与自适应阈值融合^［5］，以及Gabor滤波与聚类算法^［6⁃7］等。这类方法在处理细胞、管型等组织尺度目标时具有一定效果，但面对蒙医尿诊中气泡大小差异大、形态动态、边界模糊的特征时，难以精准建模其多尺度形态与时序的变化；后续工作引入方差图直方图法^［8］、Sobel边缘增强^［9］、距离变换与分水岭算法^［10］，乃至标准差梯度双阈值策略^［11］，在特定场景取得一定成效，然而这些方法在处理边界模糊、对比度低且分布不均匀的尿液气泡目标时，仍然难以有效建模^［12］，导致在真实临床图像中易出现边缘断裂、背景误分等问题^{［13⁃14］}。

深度学习的兴起推动了医学图像分割的端到端学习。自AlexNet^［15］、VGG^［16］、GoogLeNet^［17］到ResNet^［18］、DenseNet^［19］，骨干网络的演进为语义表达提供了坚实基础。FCN^［20］首次实现端到端像素级预测，而U-Net^［21］凭借编码器、解码器与跳跃连接结构，成为医学图像分割的基准架构。近年基于状态空间建模的Vision Mamba U-Net（VMUNet）^［22］在多类医学任务中表现出色，但在蒙医尿诊气泡分割场景中，其对弱结构小目标的感知与精细边界表达不足，实验中常出现微小气泡漏检、泡沫边缘与背景混淆等问题。这说明其架构在多尺度上下文融合与精细边界回流上存在欠缺，无法适应蒙医气泡多尺度形态和动态边界的识别需求。

为解决蒙医尿诊中尿液气泡多尺度形态、边界模糊的分割难题，本文提出MAU-Net（Mamba-ASPP-UNet）网络模型。该模型在结构上融合两大核心设计：其一，引入DeepLabV3+^［23］的空洞空间金字塔池化（ASPP）模块，通过多组不同空洞率的卷积核，在不降低分辨率的前提下扩大感受野，实现对大泡沫（赫依证）、小泡沫（希拉、巴达干证）的多尺度特征聚合；其二，级联U-Net式解码结构，通过粗粒度特征引导细粒度特征的分步解码，显式回流泡沫边缘等细节信息，解决传统模型边界模糊的问题。在目标函数层面上，通过对比BCE、Dice等多种损失函数，最终选取适配蒙医气泡分割的损失组合。

1 数据采集与预处理

1.1 MUB-Seg数据集

本实验数据采集方案在确保临床相关性的基础上，严格遵循蒙医经典文献^［25］记载的尿诊标准，通过以下标准化流程保障数据质量。患者在尿液采集前至少24 h需禁酒、控制饮水量，并保持规律作息，以最大程度减少外界因素干扰，提高数据准确性。尿液样本在清晨空腹状态下采集，使用标准化的白色瓷碗或透明玻璃容器，以保持尿液颜色的真实性。数据采集环境保持充足的光照和稳定的温度（控制在（26±1） ℃）。为实现蒙医“三时九律”理论的量化映射，本数据集标签严格对应赫依病、希拉病、 巴达干病三类证型，每类标签的判定需满足表1中“三时九律”下的多维度特征组合。

为更好地契合蒙医“三时九律”的理论，数据采集时段划分明确如下：尿热时段采集尿液最初始状态，用于分析希拉热症；尿温时段记录尿液温度自然下降阶段，评估巴达干寒湿积聚；尿冷时段观察尿液完全冷却后的特征，判断赫依气机紊乱。利用专业CCD相机从远距俯视和近距俯视两个角度拍摄尿液样本的高分辨率图像，以实现多模态数据与“三时九律”尿象特征的精准匹配，其中远视角记录颜色和透明度，近视角分析浮物厚度及气泡等。采集的图像分辨率分别为1 280×1 024和3 072×2 048像素，以满足后续的精细分析需求。

目前，该数据集已包含近500例患者的尿液样本数据，覆盖从清澈到高度浑浊的各种尿液透明度以及丰富的颜色属性和气泡尿象特征。图1与图2分别呈现了赫依与巴达干病理状态下尿液特性的变化过程。图1通过动态记录气泡形态和数量变化，清晰展现了尿液气泡的时序演变。相较之下，图2中的一些尿液特征指标波动幅度趋于平稳，其变化趋势呈现显著缓变特征。

1.2 数据预处理

实验使用的MUB-Seg数据集共包含2 400个样本，图像原始分辨率为1 028×1 024像素，图像中气泡数量稀少、形态不规则、边缘模糊。为支持语义分割任务，所有图像均由具备蒙医尿诊临床经验的医师完成像素级气泡区域标注，并关联至对应的证型标签。为适配模型输入要求，所有图像在训练前统一下采样至256×256像素，保留RGB三通道格式，对应掩码维持单通道二值结构，确保与图像空间维度精准匹配。为缓解小样本限制并覆盖临床图像多样性，训练阶段进一步引入多策略数据增强，包括随机旋转（角度范围-20°至+20°）、90°倍数固定旋转（0°、90°、180°、270°）及水平与垂直翻转，以模拟气泡在不同拍摄角度、容器位置下的自然变异。此外，考虑到数据集中气泡占比极低，数据呈现明显的前景与背景类别不平衡等问题，上述预处理操作同时兼顾了对气泡特征的强化，为后续模型训练中 类别不平衡问题的缓解提供了基础支撑。

2 实验方法

本文在VMUNet的基础上提出一种多尺度融合网络模型MAU-Net（Mamba ASPP U-Net）。通过多尺度特征融合机制，增强网络对蒙医尿诊中弱结构、小尺寸、模糊边界气泡的感知与特征表达能力。

MAU-Net采用编码器与解码器架构，由多尺度上下文编码模块与级联式解码模块组成（结构示意如图3所示，具体参数见表2），并通过复合损失实现区域分割与边界精细度的协同优化。编码端引用ASPP（atrous spatial pyramid pooling）作为多尺度特征聚合核心，使用空洞卷积获取不同感受野下的 上下文信息。解码端采用U-Net级联式上采样与跳跃连接，将编码器输出的深层语义特征与浅层纹理特征在高分辨率空间精准对齐，以缓解小气泡边缘断裂与背景误分。目标函数层面，考虑到前景比例低、边界细薄导致的梯度失衡问题，采用BCD-Dice复合损失。

2.1 编码器与解码器设计

MAU-Net的编码器与解码器结构设计如下：多尺度上下文主干通过ASPP与层级卷积的组合，精准捕捉尿液气泡小尺寸、模糊边界的多尺度特征；级联式解码器则通过特征融合恢复气泡边缘细节，二者协同适配蒙医尿诊中尿液气泡的精准分割需求。

2.1.1 编码端：多尺度上下文主干聚合与特征提取

蒙医尿诊气泡分割的核心目标是：给定标准化后的尿诊RGB图像{\rm X}\in {\mathbb{R}}^{H\times W\times \mathrm{3}}（其中H为256、W为256是输入图像高宽，3为RGB通道数），通过网络映射f:{\mathbb{R}}^{H\times W\times \mathrm{3}}\to {\left\{\mathrm{0,1}\right\}}^{H\times W}，输出与输入空间维度一致的二值掩码M，其中M_{i,j}等于1表示像素（i，j）为气泡区域，等于0表示背景区域。标准化后的尿液RGB图像首先进入初始卷积层（Initial Conv），采用3×3卷积、归一化和激活，设置步幅S为1且不引入池化操作。该设计的意义是在不降低特征图分辨率的前提下，保留高分辨率下的气泡边缘纹理细节，这与蒙医尿诊中气泡边界细薄、边缘模糊的特征适配。单层标准卷积的计算量为

P=K^{\mathrm{2}}\bullet C_{\mathrm{i}\mathrm{n}}\bullet C_{\mathrm{o}\mathrm{u}\mathrm{t}}\bullet H_{\mathrm{i}\mathrm{n}}\bullet W_{\mathrm{o}\mathrm{u}\mathrm{t}}，（1）

其中，K为卷积核大小，C_{\mathrm{i}\mathrm{n}}为输入通道数，C_{\mathrm{o}\mathrm{u}\mathrm{t}}为输出通道数。相较7×7卷积，3×3卷积在相同输入、输出通道配置下，可使整体计算复杂度T与单层计算量P均降低约5.4倍，在保证气泡特征精细度的同时优化计算效率。

主干网络通过层级卷积逐级提取多级语义特征｛E₁，E₂，E₃，E₄｝，其空间尺度依次为输入图像的 ｛1/2，1/4，1/8，1/16｝，数学上对应特征图维度E_k\in {\mathbb{R}}^{(H/{\mathrm{2}}^k)\times (W/{\mathrm{2}}^k)\times C_k}（C_k为第k级特征通道数），以覆盖尿液中从小气泡到大气泡的多尺度分布特征。每级特征提取单元包含若干残差块与可分离卷积块，通过残差连接F_{\mathrm{r}\mathrm{e}\mathrm{s}}=F_{\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{v}}+F_{\mathrm{i}\mathrm{n}}缓解梯度消失，增强特征表达稳定性；在小批量训练场景下，采用GroupNorm归一化操作，其数学公式为

GN\left(F,g\right)=\frac{F-{\mu }_g}{{\sigma }_g+ϵ}\cdot \gamma +\beta，（2）

其中g为分组数，{\mu }_g、{\mathrm{\sigma }}_g为分组均值与方差，\gamma、\beta为可学习参数。在最顶层特征E₄上施加ASPP模块，针对尿液气泡多尺度分布且边界模糊的特点，通过并行空洞卷积分支聚合多尺度上下文。设空洞率集合D=｛d₁，d₂，d₃｝=｛6，12，18｝，每个分支使用3×3空洞卷积，其表达式为

F_k={\displaystyle \sum _{i=\mathrm{0}}^{K-\mathrm{1}}}{\displaystyle \sum _{j=\mathrm{0}}^{K-\mathrm{1}}}{\omega }_{i,j}\cdot E_{\mathrm{4}}\left[i\cdot d_k:\left(i\cdot d_k\right)+H_{E\mathrm{4}},j\cdot d_k:\left(j\cdot d_k\right)+W_{E\mathrm{4}}\right]，（3）

其中{\omega }_{i,j}为3×3卷积权重，d_k为第k分支的空洞率。此外，ASPP模块增设1×1卷积分支与全局平均池化（GAP）分支提供全局上下文，各分支输出经1×1卷积投影至相同通道数按通道拼接，再通过1×1卷积压缩通道数，最终得到ASPP输出特征F_{\mathrm{A}\mathrm{S}\mathrm{P}\mathrm{P}}。

2.1.2 解码端：级联式U-Net解码与跳跃连接增强

解码器以F_{\mathrm{A}\mathrm{S}\mathrm{P}\mathrm{P}}为起点，逐级上采样恢复空间分辨率，并通过跳跃连接（skip connection）与编码端对齐后的浅层特征拼接，最终实现气泡区域的像素级预测。第l级解码过程满足如下关系：

D_l={\Phi }_l\left(\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{c}\mathrm{a}\mathrm{t}\left(\mathrm{U}\mathrm{p}\left(D_{l+\mathrm{1}}\right),{\Psi }_l\left(E_l\right)\right)\right),l=\mathrm{3,2},\mathrm{1}，（4）

其中，Up（\bullet）为上采样操作，{\Psi }_l为1×1卷积构成的通道压缩模块，{\Phi }_l为两次3×3卷积、归一化和激活的细化模块。通过级联解码，最终得到高分辨率特征D₁。跳跃连接将编码端浅层的细粒度纹理与边缘信息注入解码阶段，使深层语义与浅层细节在同一尺度对齐，为小尺寸、模糊边界气泡的精准分割提供支撑。为进一步缓解尿液气泡前景稀疏、标注易含噪声的特性，解码末端加入轻量边界细化块以增强薄边界连续性，通道配置由高到低为｛C₄，C₃，C₂，C₁｝=｛256，128，64，32｝，在ASPP输出与各解码层加入Dropout操作，最终将最顶层解码特征D₁送入1×1卷积得到单通道对数概率图Z\in {\mathbb{R}}^{H\times W\times \mathrm{1}}，再通过Sigmoid激活函数将输出映射至［0，1］区间，得到气泡区域概率图σ（Z），数学公式为

\sigma {\left(Z\right)}_{i,j}=\frac{\mathrm{1}}{\mathrm{1}+{\mathrm{e}}^{-Z_{i,j}}}。（5）

2.2 损失函数

考虑到蒙医尿诊气泡分割中气泡像素占比低、边界细薄导致的梯度失衡问题，单一损失难以同时兼顾像素级类别判别区域重叠度与边界一致性，因此采用二元交叉熵损失和Dice损失的线性复合损失平衡分类稳定性与小目标召回率，公式为

L=\mathrm{\alpha }{L}_{\mathrm{B}\mathrm{C}\mathrm{E}}+\left(\mathrm{1}-\mathrm{\alpha }\right)L_{\mathrm{D}\mathrm{i}\mathrm{c}\mathrm{e}}，（6）

其中α为调节因子，在实验中取值范围为［0.4，0.7］。针对前景稀疏的类别失衡，BCE损失引入正负类权重{\omega }_{+}，{\omega }_{-}平衡样本贡献，公式为

L_{\mathrm{B}\mathrm{C}\mathrm{E}}=-\frac{\mathrm{1}}{N}{\displaystyle \sum _{i=\mathrm{1}}^N}\left({\omega }_{+}{y}_i\mathrm{l}\mathrm{o}\mathrm{g}{p}_i+{\omega }_{-}\left(\mathrm{1}-y_i\right)\mathrm{l}\mathrm{o}\mathrm{g}\left(\mathrm{1}-p_i\right)\right)。（7）

Dice损失天然对前景比例不敏感，强化小气泡与薄边界的区域重叠度，公式为

L_{\mathrm{D}\mathrm{i}\mathrm{c}\mathrm{e}}=\mathrm{1}-\frac{\mathrm{2}{\sum }_i{p}_i{y}_i+\epsilon }{{\sum }_i{p}_i+{\sum }_i{y}_i+\epsilon }，（8）

其中\epsilon为平滑项，避免分母为0。为验证所提的BCE-Dice复合损失的有效性，后续实验将对比Tversky损失、Focal-Tversky损失、边界加权损失等方法。

3 实验分析

3.1 实验配置及环境

本文以MAU-Net的训练设置为基准，并使用自建尿液气泡数据集MUB-Seg，据此开展全部对照与消融实验，并按7∶1∶2的比例划分训练集、验证集和测试集。输入为归一化后的RGB 256×256图像，输出为单通道概率图。随机种子设为42以保证重复性，优化采用AdamW（β=0.9，β=0.999，weight decay=1×10^-4），初始学习率3×10^-4，Cosine Annealing退火至1×10^-5，前5个epoch线性warm-up。批量大小12，训练1 000个epoch，使用早停（patience=20，监控验证集F1），并以验证集最佳F1的权重作为最终模型。损失函数默认使用BCE-Dice复合形式（权重α=0.6），BCE以logits形式并设置pos_weight以缓解前景稀疏；阈值由验证集最大化F1选取，并在所有方法上固定使用。实现小批量优先GroupNorm、激活ReLU，启用AMP与全局范数1.0的梯度裁剪。

为确保对照公平性，以上训练方案作为统一标准。MAU-Net的编码端加载ImageNet预训练权重，解码端随机初始化；U-Net、PSPNet同样加载相同来源的预训练编码器，U²-Net与VMUNet因无通用预训练均从零初始化。损失消融则固定模型为MAU-Net，在相同设置下比较BCE、Dice、Tversky、Focal-Tversky、Boundary等。统一在测试集报告IoU、F1和敏感性。

硬件和软件环境：所有实验在一台配备Intel Xeon Silver 4214R（2.40 GHz）与3× NVIDIA A100（40 GB/卡）的工作站上进行，软件环境为Ubuntu 20.04.6 LTS、Python 3.10，并采用CUDA 12.2以支持GPU并行计算。

3.2 评价指标

本实验以交并比（IoU）、F1分数与敏感性（Sensitivity.S）作为主要评测指标，均针对尿液气泡计算。设测试图像的像素集合为\Omega，真值掩膜为Y={\left\{y_i\right\}}_{i\in \Omega },y_i\in \left\{\mathrm{0,1}\right\}，网络输出概率图为{\left\{p_i\right\}}_{i\in \Omega },p_i\in \left[\mathrm{0,1}\right]。将概率阈值化得到预测二值掩膜\widehat{Y}=\left\{\widehat{y_i}\right\}，在验证集上通过最大化F1选取并在测试阶段固定。像素级混淆项定义为

TP=\sum _i\widehat{y_i}{y}_i,FP=\sum _i\widehat{y_i}\left(\mathrm{1}-y_i\right),FN=\sum _i\left(\mathrm{1}-\widehat{y_i}\right)y_i，（9）

据此有：

\mathrm{I}\mathrm{o}\mathrm{U}=\frac{TP}{TP+FT+FN+ϵ}，（10）

F\mathrm{1}=\frac{\mathrm{2}TP}{\mathrm{2}TP+FP+FN+ϵ}，（11）

S=\frac{TP}{TP+FN+ϵ}。（12）

IoU衡量区域重叠，F1综合了查准率与敏感性，敏感性（S）直接反映漏检情况。

3.3 模型架构和损失函数的综合评估

为系统评估不同网络结构和损失函数对尿液气泡分割性能的影响，本文在网络结构与损失函数两个维度上系统设计了二维对比实验，尽可能覆盖当前语义分割中具有代表性的主流方案。在模型维度上选取VMUNet、U-Net、U²-Net、PSPNet和MAU-Net，既包含经典编码、解码结构，也覆盖多尺度上下文聚合与注意力强化等近年常用改进；在损失函数维度上则采用BCE、Dice损失、Tversky损失、Focal-Tversky损失以及Boundary损失进行全面的组合对比分析。所有实验严格遵循的统一训练与评测方案，指标采用IoU、F1与敏感性，以确保不同模型与损失配置之间的数值结果具有可比性。表3和表4展示了各模型、损失组合在测试集上的结果。在BCE-Dice损失下，MAU-Net整体最优，相对次优的PSPNet，IoU提升3.11%、F1提升2.11%、敏感性提升2.51%；相对U²-Net，IoU为9.17%、F1为6.47%、敏感性为9.16%。这一优势主要得益于其编码端ASPP模块带来的多尺度上下文聚合能力以及解码端跳跃连接所提供的细节回流，兼顾了全局与边界信息。之后在MAU-Net内部比较不同损失，BCE-Dice复合损失最稳健：BCE提升像素判别、Dice提升区域重叠与边界一致性。在MAU-Net和BCE-Dice下，IoU为72.88%、F1为84.31%、敏感性为83.75%，BCE-Dice相对BCE带来IoU为1.65%、F1为1.11%、敏感性为2.84%的稳定收益，亦优于其他损失配置。需要指出的是，VMUNet的敏感性虽高（95.03%），但F1与IoU极低（8.63%、4.51%），显示其以大量误报换取召回，整体分割质量不佳。

3.4 气泡分割可视化分析

为直观评估不同网络结构与损失函数组合在尿液气泡分割任务中的表现，本文选取一张具有代表性的样本图像（含模糊边缘、多尺度气泡及复杂背景）进行可视化对比分析，其不同主干网络和MAU⁃Net架构不同损失函数如4和图5所示。从图5可见，在固定BCE-Dice损失条件下，不同网络在边界还原、小目标检测及伪影抑制方面表现出明显差异。VMUNet（图4（c））未能有效识别气泡区域，并产生明显伪影，表明其编码器结构在弱对比度与小目标建模方面存在局限性。相比之下，U²-Net（图4（g））和PSPNet（图4（e））在结构表征与细节还原方面表现更优，而MAU-Net（图4（d））则在整体连贯性与边缘保持上具有优势。传统U-Net（图4（f））出现边界偏移与区域断裂等问题，表明其浅层结构难以维持小目标的空间连续性。进一步地，图5展示了不同损失函数组合对分割性能的影响。BCE⁃Dice（图5（d））生成连贯的分割区域，整体完整性良好；Tversky（图5（h））与Focal-Tversky（图5（f））进一步提升了边界敏感性，但后者引入轻微区域分裂现象；Focal-Tversky-Boundary（图5（g））在维持区域一致性的同时，增强了轮廓的几何一致性；而单独使用Boundary（图5（e））导致严重漏检，气泡区域召回率极低，验证了该损失函数在缺乏区域约束时的不稳定性。综合定量指标与视觉质量评估，MAU-Net搭配BCE-Dice在模糊边缘与复杂背景下展现出最优分割性能，具备较高的临床部署潜力。

4 总结

本文面向蒙医尿诊的临床量化需求，针对尿液图像中小尺寸气泡、模糊薄边界的分割难题，提出MAU-Net网络模型，旨在为蒙医尿诊提供客观、精准的气泡量化依据，解决传统诊断中主观判断误差大、特征难以量化的痛点。方法是在VMUNet上进行临床导向的改造：（1）在编码端引入ASPP多尺度上下文建模，并与U-Net解码器级联，通过多空洞率卷积捕捉不同尺寸气泡的全局与局部特征，结合跳跃连接实现浅层纹理与深层语义的融合，适应临床中气泡尺寸差异大、边界易断裂的特性；（2）设计BCE-Dice复合损失函数，针对临床样本中气泡前景占比极低的特点，协同优化像素级类别判别与边界一致性，避免因稀疏前景导致的分割漏判。实验结果表明，在MUB-Seg数据集上，MAU-Net和BCE-Dice损失取得IoU为72.88%、F1为84.31%、敏感性为83.75%的最优分割性能。相对于次优PSPNet模型，三项指标分别提升3.11%、2.11%、2.51%；相对于U²-Net，分别提升9.17%、6.47%、9.16%，且明显优于U-Net与基础模型VMUNet。这一结果意味着MAU-Net能更精准地分割尿液中的弱结构气泡，为蒙医提取气泡数量、尺寸分布、边缘完整性等临床诊断关键特征提供可靠支撑。

本研究仍存在局限：实验仅基于有限类型的尿液图像数据集，尚未覆盖蒙医临床中其他证型的样本，模型在多样化临床场景下的泛化性与鲁棒性有待进一步验证。后续工作将扩大临床样本采集范围，纳入更多证型、更多采集条件的尿液数据，进一步优化模型对临床复杂场景的适配能力，推动技术向蒙医尿诊辅助诊断的实际应用价值转化。

参考文献

[1] LUO H W， MA S L， WU D Y， et al. Mumford-Shah segmentation for microscopic image of the urinary sediment［C］//2007 1st International Conference on Bioinformatics and Biomedical Engineering. Wuhan： IEEE， 2007： 861-863.

[2] MUMFORD D， SHAH J. Optimal approximations by piecewise smooth functions and associated variational problems［J］. Communications on Pure and Applied Mathematics， 1989， 42（5）： 577-685.

[3] JIANG X， NIE S D. Urine sediment image segmentation based on level set and Mumford-Shah model［C］//2007 1st International Conference on Bioinformatics and Biomedical Engineering. Wuhan： IEEE， 2007： 1028-1030.

[4] OSHER S， SETHIAN J A. Fronts propagating with curvature-dependent speed： Algorithms based on Hamilton-Jacobi formulations［J］. Journal of Computational Physics， 1988， 79（1）： 12-49.

[5] LI Y M， ZENG X P. A new strategy for urinary sediment segmentation based on wavelet， morphology and combination method［J］. Computer Methods and Programs in Biomedicine， 2006， 84（2-3）： 162-173.

[6] ZHANG Z C， XIA S R， DUAN H L. Cellular neural network based urinary image segmentation［C］//Third International Conference on Natural Computation （ICNC 2007）. Haikou： IEEE， 2007： 285-289.

[7] ZHANG S， WANG J H， ZHAO S G， et al. Urinary sediment images segmentation based on efficient Gabor filters［C］//2007 IEEE/ICME International Conference on Complex Medical Engineering. Beijing： IEEE， 2007： 812-815.

[8] LI C Y， FANG B， WANG Y， et al. Automatic detecting and recognition of casts in urine sediment images［C］//2009 International Conference on Wavelet Analysis and Pattern Recognition. Baoding： IEEE， 2009： 26-31.

[9] WU Y H， KANG M. A urinary sediment segmentation algorithm of cast and epithelial cells［J］. Applied Mechanics and Materials， 2013（457-458）： 1046-1049.

[10] ZHANG S， QI J L， QI G J. Urinary sediment overlapping cells image segmentation based on combination strategy［C］//2008 International Symposium on Computational Intelligence and Design. Wuhan： IEEE， 2008： 3-7.

[11] SU L C， JIANG S， WANG C L. A segmentation method based on standard difference gradient with dual-threshold for urinary sediment visible components［C］//2017 4th International Conference on Information Science and Control Engineering （ICISCE）. Changsha： IEEE， 2017： 94-98.

[12] ARBELÁEZ P， MAIRE M， FOWLKES C， et al. Contour detection and hierarchical image segmentation［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2011， 33（5）： 898-916.

[13] FAN D P， JI G P， ZHOU T， et al. PraNet： Parallel reverse attention network for polyp segmentation［M］//Medical Image Computing and Computer Assisted Intervention-MICCAI 2020. Lima： Springer， 2020： 263-273.

[14] BUI N T， HOANG D H， NGUYEN Q T， et al. MEGANet： Multi-scale edge-guided attention network for weak boundary polyp segmentation［C］//Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. Waikoloa： IEEE， 2024： 7985-7994.

[15] KRIZHEVSKY A， SUTSKEVER I， HINTON G E. Imagenet classification with deep convolutional neural networks［J］. Communications of the ACM， 2017， 60（6）： 84-90.

[16] SIMONYAN K， ZISSERMAN A. Very deep convolutional networks for large-scale image recognition［J］. arXiv preprint arXiv， 2014：1409.1556.

[17] SZEGEDY C， LIU W， JIA Y Q， et al. Going deeper with convolutions［C］//2015 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Boston： IEEE， 2015： 1-9.

[18] HE K， ZHANG X， REN S， et al. Deep residual learning for image recognition［C］//2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Las Vegas： IEEE， 2016： 770-778.

[19] HUANG G， LIU Z， VAN DER MAATEN L， et al. Densely connected convolutional networks［C］//2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Honolulu： IEEE， 2017： 2261-2269.

[20] LONG J， SHELHAMER E， DARRELL T. Fully convolutional networks for semantic segmentation［C］//2015 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Boston： IEEE， 2015： 3431-3440.

[21] RONNEBERGER O， FISCHER P， BROX T. U-Net： Convolutional networks for biomedical image segmentation［M］//Medical Image Computing and Computer-Assisted Intervention-MICCAI 2015. Munich： Springer， 2015： 234-241.

[22] RUAN J， LI J， XIANG S. VM-UNet： Vision Mamba UNet for medical image segmentation［J］. arXiv preprint arXiv， 2024： 2402.02491.

[23] CHEN L C， ZHU Y K， PAPANDREOU G， et al. Encoder-decoder with atrous separable convolution for semantic image segmentation［M］//Computer Vision-ECCV 2018. Munich： Springer， 2018： 801-818.

[24] QIN X B， ZHANG Z C， HUANG C Y， et al. U2-Net： Going deeper with nested U-structure for salient object detection［J］. Pattern Recognition， 2020， 106： 107404.

[25] 福山.蒙医尿诊法略论［J］.中国民族民间医药，2012，21（20）：1.

基金资助

国家自然科学基金资助项目“海洋动力学与数据双驱动的内孤立波传播智能预测方法研究”(62161044)

内蒙古自治区自然科学基金资助项目“基于海洋动力学和深度学习的海洋内波遥感智能检测方法研究”(2023MS06003)

“数据驱动方法与数学模型的构建——以中医（蒙医）尿诊体系健康检测模型研究为例”(2022ZD05)