S5Utis：用于中医舌像分割的结构化状态空间序列 SegNeXt 类 UNet 模型

基于摘要分析。该研究针对中医舌像在多设备、多用户及复杂拍摄环境下的分割问题，提出 S5Utis，将卷积注意力与扩展到二维环境的状态空间模型用于编码器，并在解码器中融合浅层纹理和深层语义特征。主要研究对象是舌像图像分割，而非神经信号解码或 BCI。 问题与机制：摘要指出，拍摄设备、拍摄者专业程度及受拍者配合情况会造成图像尺寸和质量差异，而既有舌像分割算法多基于标准环境下专业设备采集的数据。该方法通过编码端的卷积注意力与二维状态空间建模提取特征，再利用解码端的跨层连接融合不同深度的信息。二维序列组织方式、状态空间模块的具体实现、融合操作、损失函数及训练流程尚未验证；不能仅凭标题中的 SegNeXt 和 UNet-like 推定完整网络结构。 结果与证据：作者报告，在患者和医生于真实场景采集的舌像数据集上开展分割实验后，该算法显著改善分割性能与准确性。摘要未给出数据集名称、样本规模、划分方式、对照方法、具体分割指标或数值，因此无法判断提升幅度，也无法确认“显著”是否对应统计检验。实验协议、消融及统计信息尚未验证。 阅读与复现边界：取得全文后，应核对训练与测试是否覆盖不同设备和用户、标注规范、二维状态空间模块及跨层融合的独立贡献，以及复杂采集条件下的性能稳定性。当前材料未建立这些图像处理机制与 EEG 瓶颈的具体对应关系，不据此提出 BCI 迁移效果或复现实验建议；相关 EEG 工作尚未检索确认。舌像分割结果也不能直接作为中医诊断准确性或临床有效性的证据。