19.基于Transformer特征通道融合的舌像分割

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。

基于Transformer特征通道融合的舌像分割, 薛玮珠*, 张博, 姚瑶, 熊玉洁, 夏春明 ,武汉大学学报（理学版）,2024,70(6),704-714.