[1]莽林榕,陈兆学.一种面向脉象图语义分割的改进DeepLabv3+算法[J].中国医学物理学杂志,2025,42(9):1159-1168.[doi:DOI:10.3969/j.issn.1005-202X.2025.09.006]
　MANG Linrong,CHEN Zhaoxue.An improved DeepLabv3+ algorithm for semantic segmentation of pulse diagrams[J].Chinese Journal of Medical Physics,2025,42(9):1159-1168.[doi:DOI:10.3969/j.issn.1005-202X.2025.09.006]
点击复制

一种面向脉象图语义分割的改进DeepLabv3+算法()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
42
期数:
2025年第9期
页码:
1159-1168
栏目:
医学影像物理
出版日期:
2025-09-30

文章信息/Info

Title:
An improved DeepLabv3+ algorithm for semantic segmentation of pulse diagrams
文章编号:
1005-202X（2025）09-1159-10
作者:
莽林榕; 陈兆学
上海理工大学健康科学与工程学院， 上海 200093
Author(s):
MANG Linrong;  CHEN Zhaoxue
School of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China
关键词:
脉象图; 语义分割; 瓶颈串联融合多尺度金字塔池化模块; 通道-空间串行注意力机制
Keywords:
Keywords: pulse diagram semantic segmentation bottleneck series fusion multi-scale pyramid pooling module channel-spatial serial attention mechanism
分类号:
R318；TP391.41
DOI:
DOI:10.3969/j.issn.1005-202X.2025.09.006
文献标志码:
A
摘要:
利用深度学习语义分割模型实现脉象图分割的相关研究较少，提出一种面向脉象图语义分割的改进DeepLabv3+算法。以DeepLabv3+为基础框架模型，在编码结构中替换其主干网络为MobileNetV2，有效减少模型大小和参量；提出一种改进的瓶颈串联融合多尺度金字塔池化模块，有效提升模型感受野和分割精度并进一步减少模型参量。在解码结构中加入一种改进的通道-空间串行注意力机制，提升模型性能；同时降低采样倍数，减少脉象图特征信息丢失。改进的DeepLabv3+脉象图语义分割模型可以同时并快速实现脉象图中脉诊曲线及多种要素的检测和识别，分割速度达到98.7 frame/s，MPA和MIoU分别达到95.35%和88.66%，模型大小仅为16.8 MB，且可视化分割结果呈现较好，与其他模型相比表现更优，能有效适用于脉象图的高效和快速分割。

相似文献/References:

[1]温佳圆,林国钰,张逸文,等.应用深度学习网络实现肾小球滤过膜超微病理图像的语义分割[J].中国医学物理学杂志,2020,37(2):195.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.012]
　WEN Jiayuan,LIN Guoyu,ZHANG Yiwen,et al.Semantic segmentation of ultrastructural pathological images of glomerular filtration membrane using deep learning network[J].Chinese Journal of Medical Physics,2020,37(9):195.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.012]
[2]师文博,杨环,西永明,等.基于自注意力的双通路全脊柱 X 光图像分割模型[J].中国医学物理学杂志,2022,39(11):1385.[doi:DOI:10.3969/j.issn.1005-202X.2022.11.011]
　SHI Wenbo,YANG Huan,XI Yongming,et al.Self-attention based dual pathway network for spine segmentation in X-ray image[J].Chinese Journal of Medical Physics,2022,39(9):1385.[doi:DOI:10.3969/j.issn.1005-202X.2022.11.011]
[3]周信宏,黄钢.PET-CT多模态融合在图像语义分割的应用进展[J].中国医学物理学杂志,2023,40(6):683.[doi:DOI:10.3969/j.issn.1005-202X.2023.06.004]
　ZHOU Xinhong,HUANG Gang.Multimodal fusion of PET-CT for semantic image segmentation: a review[J].Chinese Journal of Medical Physics,2023,40(9):683.[doi:DOI:10.3969/j.issn.1005-202X.2023.06.004]
[4]朱世祺,徐昶,周鑫,等.基于DeepLab V3+深度神经网络的结直肠息肉内镜图像分割[J].中国医学物理学杂志,2023,40(8):944.[doi:DOI:10.3969/j.issn.1005-202X.2023.08.004]
　ZHU Shiqi,XU Chang,et al.Colorectal polyp segmentation in endoscopic images using DeepLab V3+[J].Chinese Journal of Medical Physics,2023,40(9):944.[doi:DOI:10.3969/j.issn.1005-202X.2023.08.004]
[5]刘潇霜,张伟.采用融合ResNet和Transformer的U-Net进行疟疾感染红细胞分割[J].中国医学物理学杂志,2024,41(2):191.[doi:DOI:10.3969/j.issn.1005-202X.2024.02.011]
　LIU Xiaoshuang,ZHANG Wei.Segmentation of malaria-infected erythrocytes using U-Net incorporating Transformer and ResNet[J].Chinese Journal of Medical Physics,2024,41(9):191.[doi:DOI:10.3969/j.issn.1005-202X.2024.02.011]
[6]邓杰夫,奚峥皓,黄陈,等.基于交叉注意力的CT与MRI直肠癌病灶分割方法[J].中国医学物理学杂志,2024,41(8):953.[doi:DOI:10.3969/j.issn.1005-202X.2024.08.005]
　DENG Jiefu,XI Zhenghao,HUANG Chen,et al.Segmentation of rectal cancer lesions on CT and MRI based on cross attention[J].Chinese Journal of Medical Physics,2024,41(9):953.[doi:DOI:10.3969/j.issn.1005-202X.2024.08.005]

备注/Memo

备注/Memo:
【收稿日期】2025-03-04 【基金项目】国家中医药管理局中医药创新团队及人才支持计划项目（ZYYCXTD-D-202208） 【作者简介】莽林榕，硕士研究生，研究方向：智能图像处理，E-mail: mang_linrong@163.com 【通信作者】陈兆学，博士，副教授，研究方向：智能图像处理、数字信号处理，E-mail: chenzhaoxue@163.com
更新日期/Last Update: 2025-09-30