يعد التقسيم الدقيق لصورة اللسان حجر الأساس المهم للتحليل الموضوعي لتشخيص الطب الصيني التقليدي من خلال اللسان. تعتمد الطرق الشائعة حالياً على تقنيات التقسيم المُراقب بالكامل التي تتطلب تدريب نماذج باستخدام عدد كبير من العينات الموسومة على مستوى البكسل، بينما تفتقر طريقة التقسيم نصف المُراقب المستندة إلى نموذج مفرد إلى القدرة على تصحيح الأخطاء التي تتعلمها بنفسها. لمواجهة هذه المشكلة، يقترح هذا البحث طريقة جديدة للتقسيم نصف المُراقب لصورة اللسان تعتمد على التعلم التبادلي بين نموذجين. أولاً، يتم تدريب النموذجين A و B بشكل مُراقب على مجموعة البيانات الموسومة. بعد ذلك، يدخل النموذجان مرحلة التعلم التبادلي باستخدام دالة خسارة مصممة خصيصاً لهذه الغاية، حيث يتم منح أوزان مختلفة بناءً على اختلاف تنبؤات النموذجين على البيانات غير الموسومة. يبدأ النموذج A بتوليد تسميات زائفة لمجموعة البيانات غير الموسومة، ويقوم النموذج B بتنقيح نفسه باستخدام كل من البيانات الموسومة والتسميات الزائفة، ثم يقوم النموذج B بتوليد تسميات زائفة بدوره ويُجري النموذج A نفس العملية. بعد انتهاء التنقيح التبادلي، يتم اختيار النموذج ذو الأداء الأفضل كنموذج نهائي لتقسيم صورة اللسان. أظهرت النتائج التجريبية أن طريقة البحث تحقق mIoU بنسبة 96.67%، 97.92%، 98.52%، و98.85% عند استخدام نسب البيانات الموسومة 1/100، 1/50، 1/25، و1/8 على التوالي، متفوقةً على طرق نصف المُراقبة الأخرى التقليدية. تعتمد الطريقة المُقترحة على كمية قليلة من البيانات الموسومة لتحقيق دقة عالية في تقسيم صورة اللسان، مما يوفر أساساً متيناً لتحليل خصائص اللسان مثل لون وشكل اللسان ويُسهم في دفع عملية رقمنة التشخيص والعلاج في الطب الصيني.

نصف مُراقب;التعلم التبادلي;تقسيم صورة اللسان;دالة الخسارة;رقمنة الطب الصيني