基于改进UNet的动态闭环舌体苔质分离方法

本发明涉及一种基于改进UNet的动态闭环舌体苔质分离方法，属于医疗信息及健康数据处理技术领域。先采用混合损失函数训练舌体分割UNet模型，分割得到只含有舌体的图像，对只含舌体的图像进一步采用UNet网络进行苔质分离，引入梯度加权类激活映射生成高分辨率热力图，进行灰度降维，再利用Sobel算子边缘增强生成梯度幅值图像；梯度幅值图像与原始的只含舌体图像合并输入苔质分离UNet网络获得舌苔分割图像，根据热力图量化特征重要性动态反馈调整苔质分离UNet网络各层权重，最终实现苔质精准分离。本发明通过混合损失函数设计、动态特征可视化与边缘增强反馈的协同优化机制，实现高精度、高鲁棒性的舌象量化分析。