[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)和激光測(cè)振的中醫(yī)診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911213400.X
• 申請(qǐng)日: 2019-12-02
• 公開（公告）號(hào): CN110752032A
• 公開（公告）日: 2020-02-04
• 發(fā)明（設(shè)計(jì)）人: 孫善寶;羅清彩;于玲;馬辰
• 申請(qǐng)（專利權(quán)）人: 山東浪潮人工智能研究院有限公司
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G06N3/04;A61B5/00;A61B5/02
• 代理公司: 37100 濟(jì)南信達(dá)專利事務(wù)所有限公司
• 代理人: 姜明

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)和激光測(cè)振的中醫(yī)診斷方法，其特征在于：通過(guò)激光測(cè)振裝置采集脈象數(shù)據(jù)，將多次采集的脈象數(shù)據(jù)輸入到卷積神經(jīng)網(wǎng)絡(luò)中組成訓(xùn)練數(shù)據(jù)集，將訓(xùn)練數(shù)據(jù)集進(jìn)行切脈網(wǎng)絡(luò)模型訓(xùn)練，形成切脈神經(jīng)網(wǎng)絡(luò)，并得到切脈神經(jīng)網(wǎng)絡(luò)模型；被檢測(cè)者的脈象數(shù)據(jù)輸入到切脈神經(jīng)網(wǎng)絡(luò)模型中，形成脈象結(jié)果輸出。

2.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)和激光測(cè)振的中醫(yī)診斷方法，其特征在于：該方法具體包括以下步驟：

S1、通過(guò)激光測(cè)振裝置收集切脈神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)；

S2、將采集的訓(xùn)練數(shù)據(jù)按照不同人群進(jìn)行劃分，形成多個(gè)訓(xùn)練數(shù)據(jù)集；

S3、將多個(gè)訓(xùn)練數(shù)據(jù)集在云端進(jìn)行訓(xùn)練，得到多個(gè)針對(duì)不同人群的切脈網(wǎng)絡(luò)模型；

S4、將獲得的多個(gè)切脈網(wǎng)絡(luò)模型的參數(shù)固定，加入模型選擇網(wǎng)絡(luò)，將被檢測(cè)者的個(gè)人信息預(yù)處理后作為輸入，進(jìn)行切脈網(wǎng)絡(luò)模型訓(xùn)練；

S5、將得到的切脈網(wǎng)絡(luò)模型進(jìn)行融合，形成切脈神經(jīng)網(wǎng)絡(luò)；

S6、通過(guò)訓(xùn)練數(shù)據(jù)中的測(cè)試集對(duì)切脈神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證，并根據(jù)結(jié)果調(diào)整步驟S2中訓(xùn)練數(shù)據(jù)集的劃分方法，進(jìn)行多次訓(xùn)練，得到切脈神經(jīng)網(wǎng)絡(luò)模型；

S7、通過(guò)激光測(cè)振裝置采集被檢測(cè)者的脈象數(shù)據(jù)；

S8、將被檢測(cè)者的個(gè)人信息和脈象數(shù)據(jù)，輸入到切脈神經(jīng)網(wǎng)絡(luò)模型中；

S9、切脈神經(jīng)網(wǎng)絡(luò)提取脈象特征，進(jìn)行分類，將診斷結(jié)果輸出。

3.根據(jù)權(quán)利要求2所述的基于卷積神經(jīng)網(wǎng)絡(luò)和激光測(cè)振的中醫(yī)診斷方法，其特征在于：該方法還包括以下步驟：

S10、將診斷結(jié)果及原始脈象數(shù)據(jù)上傳到云端，用于切脈神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和持續(xù)優(yōu)化。

4.根據(jù)權(quán)利要求3所述的基于卷積神經(jīng)網(wǎng)絡(luò)和激光測(cè)振的中醫(yī)診斷方法，其特征在于：步驟S1中，通過(guò)激光測(cè)振裝置采集脈象數(shù)據(jù)，其中脈象數(shù)據(jù)包括脈象頻率、幅度、強(qiáng)度和范圍信息，將切脈位置分成多個(gè)區(qū)域，多次采集脈象數(shù)據(jù)，并結(jié)合個(gè)人健康狀況數(shù)據(jù)進(jìn)行綜合數(shù)據(jù)標(biāo)注。

5.根據(jù)權(quán)利要求4所述的基于卷積神經(jīng)網(wǎng)絡(luò)和激光測(cè)振的中醫(yī)診斷方法，其特征在于：步驟S2中，將標(biāo)注的脈象數(shù)據(jù)與被檢測(cè)者個(gè)人信息進(jìn)行結(jié)合，按照不同人群進(jìn)行劃分，形成多個(gè)訓(xùn)練數(shù)據(jù)集，其中個(gè)人信息包括脈搏正常跳動(dòng)次數(shù)、手腕直徑、年齡、身高和體溫信息。

6.根據(jù)權(quán)利要求5所述的基于卷積神經(jīng)網(wǎng)絡(luò)和激光測(cè)振的中醫(yī)診斷方法，其特征在于：步驟S7中，變換不同的按壓方式，采用激光測(cè)振裝置對(duì)檢測(cè)者多次采集脈象數(shù)據(jù)。

7.根據(jù)權(quán)利要求6所述的基于卷積神經(jīng)網(wǎng)絡(luò)和激光測(cè)振的中醫(yī)診斷方法，其特征在于：步驟S8中，將多次采集的脈象數(shù)據(jù)作為多個(gè)通道進(jìn)行輸入，每個(gè)通道中包含3D張量脈象數(shù)據(jù)，喂入切脈神經(jīng)網(wǎng)絡(luò)模型中。

8.根據(jù)權(quán)利要求7所述的基于卷積神經(jīng)網(wǎng)絡(luò)和激光測(cè)振的中醫(yī)診斷方法，其特征在于：步驟S9中，切脈神經(jīng)網(wǎng)絡(luò)提取多個(gè)通道的三維數(shù)據(jù)的脈象特征，進(jìn)行分類，診斷結(jié)果通過(guò)手機(jī)APP或智能終端進(jìn)行展示，并收集反饋意見(jiàn)。