随着人工智能相关领域的快速发展,智慧医疗新模式,已成为交叉研究领域的热点方向。舌体丰富脉络与人体的五脏六腑连接,可及时反映出人体内五脏六腑和气血亏盈等,舌象是人体疾病和健康状况的重要可视化外部表征之一。然而,临床中医生受环境的影响较大,可能会造成诊断不准确性。因此利用现代深度学习技术,把舌体自动从舌象中分割出来,是一项非常有应用价值的工作,而舌象分割是舌象智能识别的前题和重要的任务。近年一些研究学者已对舌象分割方法进行了研究,并取得了一定的研究成果,但现有的方法还存在一些不足之处。本文分析研究了深度卷积神经网络和对抗神经网络的结构和特点,结合人体舌象特征提取复杂的特性,将卷积神经网络和对抗神经网络方法进行融合,针对将单一深度卷积神经网络用于舌象分割的过程中,卷积、池化下采样时,一定程度上会损失像素间的部分空间关系,存在分割舌象结果边缘模糊或不精确等问题,本文提出一种VNet-GAN分割-对抗网络结构模型,将生成对抗网络用到舌象分割当中。在UNet分割网络的基础上,改进网络结构,省去池化层,使用4*4步长为2的卷积核,添加一个判别器对分割结果进行自动评判,构建了VNet-GAN分割-对抗网络模型。实验结果显示将生成对抗网络应用到舌象分割之中,能够较好解决普通网络对舌象分割边缘不够准确的问题,分割效果较好,分割精度达到97.99%。虽然VNet-GAN分割-对抗网络有效的解决分割出现的边缘模糊和精度等问题,但在学习训练过程中,损失函数收敛存在一定的波动,鲁棒性不高,舌象分割中时有噪声空洞的现象。为此,本文通过添加级联器模式,使分割由粗分割到精分割,同时采用特征交叉融合机制,保护网络总体效率,提出一个新的WNet-GAN级联网络模型。实验结果显示,学习分割训练收敛快,损失函数波动小,分割鲁棒性和视觉效果更佳,分割精度达到98.23%。最后,依据训练模型,设计一个舌象采集识别系统,实现舌象采集、图象预处理、智能舌象分割、数据保存,为后续实现智慧中医系统提供有力支撑。