[發明專利]基于深度學習的中醫六路脈診信號體質判別方法及系統

在審

• 申請號: 202010612698.8
• 申請日: 2020-06-30
• 公開（公告）號: CN113854974A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 周飛;范澤民;胡方鋒
• 申請（專利權）人: 上海泰怡健康科技有限公司
• 主分類號: A61B5/02
• 分類號: A61B5/02;A61B5/00
• 代理公司: 上海宏京知識產權代理事務所(普通合伙) 31297
• 代理人: 劉穎

本發明提供一種基于深度學習的中醫六路脈診信號體質判別方法及系統，涉及深度學習技術領域，所述方法包括步驟1：采集六路脈診的原始數據D_raw，并且將原始數據D_raw存儲于數據庫；步驟2：對原始數據D_raw進行預處理，得到降維數據D_pca；步驟3：將原始數據D_raw和降維數據D_pca輸入深度神經網絡，進行體質分類預測；步驟4：通過多個深度神經網絡分別獲取多類體質的概率Pn，并且對多類體質的概率Pn進行集成，得到最終預測概率P。本發明能夠從六路脈診的原始數據中學習出體質相關特征，并且有效的對體質進行預測，能夠被廣泛應用于中醫體質預測領域。

技術領域

本發明涉及深度學習技術領域，特別是涉及基于深度學習的中醫六路脈診信號體質判別方法及系統。

背景技術

脈診又稱為切脈，是中醫師用手按病人的動脈，根據脈象，以了解疾病內在變化的診斷方法。切脈具有悠久的歷史，它反映了中醫學診斷疾病的特點和經驗。脈象，可以理解為脈搏的形象。是由動脈搏動的顯現部位(深、淺)、速率(快、慢)、強度(有力、無力)、節律(整齊與否、有無歇止)和形態等方面組成的。脈象是中醫辨證的一個重要依據，對分辨疾病的原因，推斷疾病的變化，識別病情的真假，判斷體質等，都具有重要的臨床意義。由於脈為血之府，貫通全身，所以體臟腑發生病變，往往反映於脈，有時在癥狀還未充分顯露之前，脈象已經發生了改變。陰陽流動的動態，通過了脈絡的形式傳遞、表現出來。正陽的體質，脈動均勻、有力度、節奏明顯，清晰可辨。極陰的體質，脈動起伏、虛弱無力、軟而緩慢、深沉難辨。處于中間狀態的脈動，形態不一，表現不同。理解了陰陽本質，就可以通過對脈的對應、感知變化來達到了解體質的目的。

深度學習是機器學習領域中一個新的研究方向，它被引入機器學習使其更接近于最初的目標。它常常用來學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數據的解釋有很大的幫助。深度學習技術的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據，它在語音和圖像識別方面取得的效果，遠遠超過先前相關技術。深度學習在搜索技術，數據挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及其他相關領域都取得了很多成果。通過使機器模仿視聽和思考等人類的活動，深度學習技術解決了很多復雜的模式識別難題，使得人工智能相關技術取得了很大進步。與此同時，深度學習技術也廣泛應用于醫學領域，例如通過深度學習網絡來根據心電信號、肌電信號對疾病做出判斷，通過構建深度學習網絡來實現人體脈絡切割等等。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種基于深度學習的中醫六路脈診信號體質判別方法及系統，首先對六路脈診的原始數據進行預處理，預處理過程主要包含降噪、基準矯正、降維；然后對九類體質分別構建九個深度學習網絡，用于對每一類體質進行二分類判斷(即判斷是否為該體質)；然后獲取每一類體質的概率；最后通過集成學習的方法，將九個深度學習網絡進行集成，從而形成最終的多核卷積集成網絡，并得到最終的體質預測結果；能夠從六路脈診的原始數據中學習出體質相關特征，并且有效的對體質進行預測。

本發明提供一種基于深度學習的中醫六路脈診信號體質判別方法，所述方法包括以下步驟：

步驟1：采集六路脈診的原始數據D_raw，并且將原始數據D_raw存儲于數據庫；

步驟2：對原始數據D_raw進行預處理，得到降維數據D_pca；

步驟3：將原始數據D_raw和降維數據D_pca輸入深度神經網絡，進行體質分類預測；

步驟4：通過多個深度神經網絡分別獲取多類體質的概率Pn，并且對多類體質的概率Pn進行集成，得到最終預測概率P。

于本發明的一實施例中，所述步驟2的具體流程為：