随着计算机辅助医疗越来越受到关注,得以应用,各种计算机辅助医疗的手段与方法更是层出不穷,然而大部分的方法只是应用在了西医上,对于中医这一领域的涉足则相对较少,因此,在中医诊断中舌诊方面与计算机技术相结合的案例也有待于丰富发展。舌诊作为中医行之有效的一种特色诊断方法,从古至今一直在临床实践中发挥着重要作用。舌诊的理论知识并不复杂,但中医医生在学习和实践中以理论模型为基本依据,以图像辨识为基本技能,通过反复训练和实践来提高诊断准确率,这需要大量的临床知识与经验。通常来说,中医舌诊领域可以从多个角度进行诊断,包括舌质、舌苔以及舌下三个部分,而舌苔的诊断是其中非常重要的一个方面。我们构建了ч-Net网络模型,基于Grad-CAM的方法来对中医舌苔苔质进行分类与特征可视化,旨在通过计算机手段来帮助中医医生加快诊断效率,提高诊断准确率。同时,我们的研究表明,使用分割后的舌像来进行模型训练可以产生更高的分类准确率与更好的特征可视化效果。具体来说,我们首先基于Grad-CAM的方法在VGG13网络中实现了舌苔苔质的分类与特征可视化,由于未取得较为满意的效果,故萌发了分割舌像想法,使用U-Net模型对原始舌像进行了分割,实现了 98.24%的分割精度,将来在取得新的舌像数据后可以完美的进行舌像的分割,方便我们后续更多实验的进行与优化。通过观察我们可以发现U-Net模型去除掉右半部分的扩展路径即为一个没有全连接层的VGG13网络模型,故我们通过改变U-Net模型的网络结构,反复实验找到了在其卷积层之后添加全连接层的最佳位置,构建了ч-Net网络模型,实现了分割舌像后的舌苔苔质分类与特征可视化,与VGG13网络模型相比使分类的精度提高了近十二个百分点,实现了更好的特征可视化效果。