医学图像智能分割技术作为现代医学影像分析的核心环节，在疾病诊断与治疗中发挥着关键作用。其中，舌象分割作为中医数字化诊疗体系的前端基础，其分割精度直接影响舌质舌苔特征提取、病症辨证等后续环节的准确性。随着中医现代化进程的加速推进，传统舌诊的主观经验判断模式正逐步向客观化、定量化方向转型，这一转型需求与深度学习的突破性发展形成历史性交汇，催生了智能舌诊技术的蓬勃发展。在众多医学图像分割架构中，U-Net凭借其独特的对称编解码结构、高效的跨层特征融合机制，在舌象分割领域展现出显著优势，并持续推动着网络架构的创新演进。本文系统梳理了U-Net网络在舌象分割中的技术发展脉络与研究进展。首先，从网络架构的生物医学成像溯源出发，阐释U-Net的编码器-瓶颈层-解码器三级结构设计原理，揭示其通过跳跃连接实现多尺度特征融合的机制。然后，对用于舌象分割方法的U-Net网络结构按照注意力机制、残差结构、Inception模块、空洞卷积、编解码器、整体结构等方面进行归纳总结。最后，总结了目前舌象分割的局限性，同时针对所存在的问题提出了相应的解决方法，对未来发展方向做出展望。