计算机工程与应用

作者：张智悦, 虞靖彬, 王敏, 任萌

单位：山东中医药大学 医学信息工程学院，济南 250355；

关键词：舌象诊断,深度学习,医学图像分割,卷积神经网络（CNN）

基金：济南市市校融合发展战略工程项目（JNSX2024020，JNSX2021043）；山东省中医药科技面上项目（M20241741）。

舌象诊断是传统中医“四诊”中重要的组成部分，通过观察舌体形态、颜色及舌苔特征等，为疾病诊断与健康评估提供重要依据。然而，传统舌象诊断方法由于依赖医生经验，存在主观性强、标准化程度低的问题，限制了在现代医学中的应用与推广。近年来，深度学习技术在医学图像分割领域的快速发展，为舌象分割提供了高效精准的解决方案，显著推动了舌象诊断的智能化与标准化。围绕深度学习在舌象分割中的研究展开综述。系统总结了卷积神经网络（convolutional neural network，CNN）、全卷积网络（fully convolutional network，FCN）、基于编码器-解码器架构的模型以及Transformer在舌象分割中的应用，并详细比较了各方法的改进策略及其优势和局限性。简要介绍了舌象分割的常用数据集、评价指标及预处理和后处理方法，并对分割结果进行了可视化。总结了基于深度学习的舌象分割研究面临的挑战，并对未来的研究方向提出展望，以进一步推动舌象分割技术在中医临床诊断中的广泛应用。

来源：2026年第4期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第4期