计算机科学与探索

作者：刘慧琳, 冯跃, 徐红, 罗坚义

单位：1. 五邑大学 智能制造学部，广东 江门 5290202. 维多利亚大学，澳大利亚 墨尔本 80013. 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 5290204. 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

关键词：舌体分割,深度学习,卷积神经网络（CNN）

舌体分割是智能医学诊断的重要组成部分，其目的是通过分割舌诊图像生成精准的舌体轮廓。近年来，深度学习方法在图像处理领域得到了广泛的应用并取得了较好的结果。随着医学图像分割对性能的要求越来越高，许多研究人员将深度学习运用到舌体分割中。主要对基于深度学习的舌体分割方法研究现状进行分析梳理和归纳总结。在舌体分割应用领域中，以各种深度学习方法作为研究对象，将基于深度学习的舌体分割方法划分为卷积神经网络（CNN）、全卷积网络（FCN）、卷积模型与图形模型、基于编解码器的模型、基于区域卷积网络模型、扩张卷积模型结构、迁移学习以及其他方法。在每类方法中，针对其改进和扩展的研究成果进行了全面的论述，总结分析其优势与不足；并对基于深度学习的舌体分割常用的数据集和评价指标进行了视觉比较与性能评估；最后讨论了未来研究工作中的发展潜力。

来源：2021年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第12期