基于自注意力并行网络与渐进上采样的轻量化舌象分割模型PAPU_TonSeg提升中医舌诊智能化水平

本研究针对中医舌诊智能化进程中舌象语义分割存在的边缘模糊、细节丢失等问题，提出改进的轻量化分割模型PAPU_TonSeg。北京中医药大学团队通过集成自注意力并行网络(Self-Attention Parallel Network)、高效通道注意力(ECA)机制和多维特征渐进上采样(Multi-dimensional Feature Progressive Upsampling)三大创新模块，在BioHit公共数据集上实现MPA提升2.42%、MIoU提升0.78%的突破，为中医舌诊客观化提供高精度、低计算复杂度的解决方案。

　　

在传统中医诊断实践中，舌诊作为"望闻问切"四诊之首，通过观察舌体运动、舌苔变化等特征判断脏腑健康状况。然而现有舌象分割方法面临三重困境：基于卷积神经网络(CNN)的模型难以捕捉全局语义信息，Transformer架构存在位置编码(Positional Embedding)分辨率固化的缺陷，而主流编解码结构在16倍双线性上采样过程中易丢失边缘细节。这些问题导致分割结果出现舌体残缺、齿痕模糊等现象，严重影响舌象分类诊断的准确性。

北京中医药大学管理学院团队在《Scientific Reports》发表的研究中，基于Segformer架构提出PAPU_TonSeg改进模型。该研究通过构建自注意力与残差模块并行的网络结构，在Mix-FFN组件嵌入高效通道注意力(ECA)机制，并采用多维特征渐进上采样技术，成功实现舌体细节的精准分割。关键技术包括：使用BioHit公共数据集(300张)和自建数据集(642张)进行模型训练；采用AdamW优化器(初始学习率6×10^-5)进行100轮训练；通过Grad-Cam可视化技术验证特征提取效果；对比评估FCN、U-Net等5种经典模型的MPA(Mean Pixel Accuracy)、MIoU等指标。

【方法与模型改进】研究团队创新性地将Transformer Block替换为包含Resnet层的并行模块(Parallel Block)，使模型能同步提取局部细节与全局特征。在Mix-FFN中引入的ECA机制通过1×1卷积替代全连接层，在降低3.34M参数量的同时提升特征提取效率。解码器部分采用MLP与MLA协同架构，通过四级特征图渐进式上采样至原图1/4尺寸，有效减少边缘信息损失。

【实验结果】在BioHit数据集上，PAPU_TonSeg以97.56%的MPA和98.60%的MIoU显著优于原始Segformer(提升2.42%和0.78%)。可视化结果显示，该模型能准确分割舌体齿痕等细微特征，热图显示其注意力分布更均匀。

显示改进模型的分割结果最接近真实标注(Ground Truth)。消融实验证实，并行网络、ECA机制和渐进上采样分别贡献1.97%、1.55%和0.31%的MIoU提升。

【结论与意义】该研究构建的轻量化模型仅增加0.7G FLOPs运算量，即在保持低计算复杂度(2.0G FLOPs)的前提下实现舌象分割精度的突破。其创新性体现在：①首次将并行网络结构引入舌象分割，解决CNN与Transformer的互补性问题；②通过ECA机制优化特征权重分配，提升模型对舌苔、齿痕等关键特征的敏感性；③渐进上采样策略为医学图像分割中的边缘模糊问题提供新思路。这项工作不仅推动了中医舌诊的客观化进程，其模块化设计思路也为其他医学图像分割任务提供了借鉴。