来源：期刊VIP网 时间：
作者：薛玮珠;张博;姚瑶;熊玉洁;夏春明;
单位：浙江机电职业技术学院智能制造学院;上海工程技术大学电子电气工程学院;
摘要：针对舌像分割过程中，舌体边缘不连续，复杂背景干扰舌像等问题，提出一种基于Transformer特征通道融合的舌像分割方法。首先通过多级特征融合模块对舌像进行卷积，得到具有位置和特征信息的特征图；然后引入倒置特征金字塔网络模块匹配特征维度；最后将U-Net网络的跳跃连接替换成UCTransNet的CTrans模块，进行舌像的特征通道融合，减少背景信息特征的干扰，实现图像的准确分割。本文选取了Dice值、平均交并比（MIoU）作为评价标准，通过在自采集的舌像数据集上进行训练评估和验证，Dice值为96.81%,MIoU值为93.89%。这表明本文方法在舌像数据集上具有较好的分割效果，可以准确提取舌体特征；本文方法可用于舌诊的标准化研究，提高舌诊的准确性和可靠性，且在其他医疗图像数据集上的泛化能力较强。
关键词：深度学习;;图像分割;;Transformer;;舌诊
基金资助：国家自然科学基金（62006150）;; 上海市科技创新行动计划技术标准项目（21DZ2203100）
