[發明專利]一種基于卷積神經網絡和激光測振的中醫診斷方法

在審

• 申請號: 201911213400.X
• 申請日: 2019-12-02
• 公開（公告）號: CN110752032A
• 公開（公告）日: 2020-02-04
• 發明（設計）人: 孫善寶;羅清彩;于玲;馬辰
• 申請（專利權）人: 山東浪潮人工智能研究院有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N3/04;A61B5/00;A61B5/02
• 代理公司: 37100 濟南信達專利事務所有限公司
• 代理人: 姜明

本發明公開了一種基于卷積神經網絡和激光測振的中醫診斷方法，屬于神經網絡在醫療輔助診斷中應用的技術領域。本發明的基于卷積神經網絡和激光測振的中醫診斷方法通過激光測振裝置采集脈象數據，將多次采集的脈象數據輸入到卷積神經網絡中組成訓練數據集，將訓練數據集進行切脈網絡模型訓練，形成切脈神經網絡，并得到切脈神經網絡模型；被檢測者的脈象數據輸入到切脈神經網絡模型中，形成脈象結果輸出。該發明的基于卷積神經網絡和激光測振的中醫診斷方法更加具有針對性，更加符合受測人群的需求特點，并且使得數據更加準確合理，具有很好的推廣應用價值。

技術領域

本發明涉及神經網絡在醫療輔助診斷中的應用的技術領域，具體提供一種基于卷積神經網絡和激光測振的中醫診斷方法。

背景技術

近年來，人工智能技術發展迅速，其商業化速度超出預期，人工智能將會給整個社會帶來顛覆性的變化，已經成為未來各國重要的發展戰略。特別是以深度學習為核心的算法演進，其超強的進化能力，在大數據的支持下，通過訓練構建得到類似人腦結構的大規模卷積神經網絡(CNN)，已經可以解決各類問題。特別是在計算機視覺領域，各種復雜的因素往往以非線性的方式結合在一起，特征的學習尤其重要，而海量訓練數據的出現在很大程度上緩解了訓練過擬合的問題，從大數據中進行深度學習，通過CNN卷積神經網絡已經在圖像和視頻分析中達到了很好的應用實踐效果，這打破了傳統的模式識別方式，對整個計算機視覺領域產生顛覆性的變革，并且影響到其他應用領域。

中醫承載著中國古代人民同疾病作斗爭的經驗和理論知識，是在古代樸素的唯物論和自發的辨證法思想指導下，通過長期醫療實踐逐步形成并發展成的醫學理論體系。中醫學以陰陽五行作為理論基礎，將人體看成是氣、形、神的統一體，通過“望聞問切”四診合參的方法，探求病因、病性、病位、分析病機及人體內五臟六腑、經絡關節、氣血津液的變化、判斷邪正消長，進而得出病名，歸納出證型，以辨證論治原則，制定“汗、吐、下、和、溫、清、補、消”等治法，使用中藥、針灸、推拿、按摩、拔罐、氣功、食療等多種治療手段，使人體達到陰陽調和而康復。疾病是具有特定的癥狀和體征的，而證則是疾病過程中典型的反應狀態。中醫臨床認識和治療疾病是既辯病又辨證，并通過辨證而進一步認識疾病。

切脈是中醫最重要的診斷方法，是“望聞問切”中的切，切脈又稱診脈，用手觸按病人身體，藉此了解病情的一種方法，醫生用手指放在被診斷者的手腕上，通過對動脈搏動的顯現部位、速率、強度、節律和形態，來判斷被診斷者的身體狀況。脈象是脈動應指的形象，脈象的產生與心臟的波動，心氣的盛衰，脈道的通利和氣血的盈虧直接相關。按照中醫理論，脈象一般分為平脈、浮脈、沉脈、遲脈、數脈、虛脈、實脈、滑脈、洪脈、細脈、弦脈、促脈、結脈、代脈等。現代脈象研究證實，脈象的形成，主要取決于心臟的功能、血管的機能、血液的質和量。每一種脈象都是對人體機能的反映，都有所對應的病癥范圍，但其不足之處是不精確，缺乏量化，在某程度上難以解釋。現有的切脈裝置，大多是通過模擬醫生切脈采集單點脈搏頻率和強度的方式，準確率很低，基本無法得到有效的結果。在這種情況下，如何有效的利用深度學習CNN網絡，結合激光測振裝置，實現高效準確的切脈輔助診斷成為亟需解決的問題。

發明內容

本發明的技術任務是針對上述存在的問題，提供一種更加具有針對性，更加符合受測人群的需求特點，并且使得數據更加準確合理的基于卷積神經網絡和激光測振的中醫診斷方法。

為實現上述目的，本發明提供了如下技術方案：

一種基于卷積神經網絡和激光測振的中醫診斷方法，通過激光測振裝置采集脈象數據，將多次采集的脈象數據輸入到卷積神經網絡中組成訓練數據集，將訓練數據集進行切脈網絡模型訓練，形成切脈神經網絡，并得到切脈神經網絡模型；被檢測者的脈象數據輸入到切脈神經網絡模型中，形成脈象結果輸出。

作為優選，該方法具體包括以下步驟：

S1、通過激光測振裝置收集切脈神經網絡的訓練數據；

S2、將采集的訓練數據按照不同人群進行劃分，形成多個訓練數據集；