[發(fā)明專利]多任務(wù)神經(jīng)網(wǎng)絡(luò)脈象數(shù)據(jù)處理方法、系統(tǒng)及終端

有效

• 申請?zhí)枺?/td>: 202210102125.X
• 申請日: 2022-01-27
• 公開（公告）號: CN114366047B
• 公開（公告）日: 2023-05-09
• 發(fā)明（設(shè)計）人: 楊杰
• 申請（專利權(quán)）人: 上海國民集團健康科技有限公司
• 主分類號: A61B5/02
• 分類號: A61B5/02;A61B5/00;G06F18/24;G06N3/0464;G06N3/048;G06N3/082
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 倪靜

本發(fā)明的多任務(wù)神經(jīng)網(wǎng)絡(luò)脈象數(shù)據(jù)處理方法、系統(tǒng)及終端，通過基于構(gòu)建的多任務(wù)脈象信號識別模型，根據(jù)所述脈象數(shù)據(jù)片段獲得對應(yīng)該片段的脈率識別結(jié)果、節(jié)律識別結(jié)果、脈勢流利度識別結(jié)果以及脈勢緊張度識別結(jié)果。本發(fā)明的方案可從單個要素上對脈象信號的結(jié)果進行細(xì)分，而非僅僅只有脈象名稱的輸出，更符合中醫(yī)醫(yī)學(xué)理論，并且可以獲得高準(zhǔn)確度的脈率識別結(jié)果、節(jié)律識別結(jié)果、脈勢流利度識別結(jié)果以及脈勢緊張度識別結(jié)果。

技術(shù)領(lǐng)域

本申請涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及多任務(wù)神經(jīng)網(wǎng)絡(luò)脈象數(shù)據(jù)處理方法、系統(tǒng)及終端。

背景技術(shù)

關(guān)于脈象的種類，《內(nèi)經(jīng)》、《頻湖脈學(xué)》等醫(yī)家著作中不同的要素為綱將脈象分類不同的類別。在歷代醫(yī)家所列的脈象中，晚清醫(yī)家周學(xué)海將脈象分為位、數(shù)、形、勢四個方面，是目前接受度較高的闡述方式。具體闡述為“位者，浮沉尺寸也；數(shù)者，遲數(shù)結(jié)促也；形者，長短廣狹厚薄粗細(xì)剛?cè)幔q算學(xué)家之有線面體也；勢者，斂舒伸縮進退起伏之有盛衰也”。許多單脈實際上不是簡單的一種脈象屬性，而是多個單要素(位屬性、數(shù)屬性、形屬性、勢屬性)按照不同的比例重新組合。

對于脈象數(shù)據(jù)的識別，目前較為廣泛的處理方式是進行時域、頻域、或時頻域特征點的識別，依靠專家系統(tǒng)的特征值判斷方式進行分類。同時，由于部分脈象信號的時、頻域特征點不明顯，或存在多種表現(xiàn)方式，特征點的識別方式并不適用于所有的信號。并且獲得的分類結(jié)果僅為脈象的名稱，如平脈，滑脈，弦脈等，缺少脈象在單個脈象要素上的細(xì)分內(nèi)容。

發(fā)明內(nèi)容

鑒于以上所述現(xiàn)有技術(shù)的缺點，本申請的目的在于提供多任務(wù)神經(jīng)網(wǎng)絡(luò)脈象數(shù)據(jù)處理方法、系統(tǒng)及終端，解決現(xiàn)有技術(shù)中的脈象數(shù)據(jù)識別處理方式缺少脈象在單個脈象要素上的細(xì)分內(nèi)容的問題。

為實現(xiàn)上述目標(biāo)及其他相關(guān)目標(biāo)，本申請?zhí)峁┮环N多任務(wù)神經(jīng)網(wǎng)絡(luò)脈象數(shù)據(jù)處理方法，包括：獲取待識別的脈象數(shù)據(jù)片段；基于構(gòu)建的多任務(wù)脈象信號識別模型，根據(jù)所述脈象數(shù)據(jù)片段獲得對應(yīng)該片段的多要素脈象識別結(jié)果；其中，所述多要素識別結(jié)果包括：脈率識別結(jié)果、節(jié)律識別結(jié)果、脈勢流利度識別結(jié)果以及脈勢緊張度識別結(jié)果；其中，所述多任務(wù)脈象信號識別模型的構(gòu)建方式包括：構(gòu)建脈象信號識別框架模型；利用訓(xùn)練數(shù)據(jù)集訓(xùn)練脈象信號識別框架模型，以獲得多任務(wù)脈象信號識別模型；并且其中，所述訓(xùn)練數(shù)據(jù)集包括：多個脈象數(shù)據(jù)片段樣本以及對應(yīng)各脈象數(shù)據(jù)片段樣本的多要素脈象識別結(jié)果。

于本申請的一或多個實施例中，所述脈象信號識別框架模型包括：特征粗提取結(jié)構(gòu)，用于對輸入的脈象數(shù)據(jù)片段進行粗特征提取，以輸出粗特征提取數(shù)據(jù)；特征細(xì)提取結(jié)構(gòu)，連接所述特征粗提取結(jié)構(gòu)，用于對所述粗特征提取數(shù)據(jù)進行細(xì)特征提取，以輸出細(xì)特征提取數(shù)據(jù)；多要素結(jié)果輸出結(jié)構(gòu)，連接所述特征細(xì)提取結(jié)構(gòu)，用于基于輸入的細(xì)特征提取數(shù)據(jù)獲得對應(yīng)所述脈象數(shù)據(jù)片段的多要素識別結(jié)果；其中，所述多要素結(jié)果輸出結(jié)構(gòu)包括：脈率識別結(jié)果輸出結(jié)構(gòu)，用于基于輸入的細(xì)特征提取數(shù)據(jù)輸出脈率識別結(jié)果；節(jié)律識別結(jié)果輸出結(jié)構(gòu)，用于基于輸入的細(xì)特征提取數(shù)據(jù)輸出節(jié)律識別結(jié)果；脈勢流利度識別結(jié)果輸出結(jié)構(gòu)，用于基于輸入的細(xì)特征提取數(shù)據(jù)輸出脈勢流利度識別結(jié)果；脈勢緊張度識別結(jié)果輸出結(jié)構(gòu)，用于基于輸入的細(xì)特征提取數(shù)據(jù)輸出脈勢緊張度識別結(jié)果。

于本申請的一或多個實施例中，所述特征粗提取結(jié)構(gòu)包括：兩個連接的特征粗子提取結(jié)構(gòu)；其中，每個特征粗子提取結(jié)構(gòu)包括：一卷積層、一與所述卷積層連接的Dropout層以及一與所述Dropout層連接的BatchNormalization層。

于本申請的一或多個實施例中，所述特征細(xì)提取結(jié)構(gòu)包括：分支特征提取結(jié)構(gòu)，包括：對應(yīng)不同卷積核的三個分支結(jié)構(gòu)，用于根據(jù)輸入的粗特征提取數(shù)據(jù)分別輸出對應(yīng)的分支特征數(shù)據(jù)；其中，每個分支結(jié)構(gòu)包括：三層連接的ResBlock1D結(jié)構(gòu)，用于對進行輸入的粗特征提取數(shù)據(jù)進行三次殘差計算；全局平均池化層，用于對經(jīng)過三次殘差處理的數(shù)據(jù)進行平均處理；融合結(jié)構(gòu)，連接所述分支特征提取結(jié)構(gòu)，用于將三個分支結(jié)構(gòu)輸出的分支特征數(shù)據(jù)進行融合，輸出細(xì)特征提取數(shù)據(jù)。