刘慧琳，冯 跃+，徐 红,2，罗坚义

1.五邑大学 智能制造学部，广东 江门 529020

2.维多利亚大学，澳大利亚 墨尔本 8001

3.五邑大学 应用物理与材料科学学院 柔性传感材料与器件研究开发中心，广东 江门 529020

4.广东天物新材料科技有限公司五邑大学柔性传感技术联合实验室，广州 511483

随着人工智能技术的不断发展，研究人员越来越多地利用深度学习网络来设计医疗诊断的辅助系统[1]。在中医诊断中，舌诊是一种重要的方法，其涉及到对舌体的颜色、形体、舌苔等舌象特征的观察。例如，HIV 感染者的舌体可能会出现肿胀和齿痕[2]。但是在研究实现智能医学诊断的客观定量化过程中，采集到的图像往往是含有舌体区域的人脸图像。因此需要对其进行预处理，去除背景区域（如人脸、嘴唇和牙齿等），进而获得舌体区域。舌体图像分割是舌体诊断对象化的基础，其准确性会直接影响智能舌诊系统的分析结果[3]。

研究人员提出了许多方法来实现准确的舌头分割，包括基于边缘信息的分割[4]、基于阈值的分割[5]、区域生长[6]、基于主动轮廓的分割[7-8]以及基于聚类的分割[9]。然而，大部分传统分割方法依赖手工，耗时耗力，易受主观影响，分割效率是有限的[10]。此外，由于患者的舌头特征复杂，形状多变，而与其他区域的嘴唇又很相似，要达到目标的分割精度是很困难的。

如今，深度学习的发展尤为先进，在医学图像信息提取和病理图像分割检测领域中发挥着日益重要的作用[11-12]。深度学习网络已产生了新一代性能卓越的图像分割模型，从而使该领域发生了范式转变[13]。……