[发明专利]基于深度学习的中医六路脉诊信号体质判别方法及系统

说明书

本发明提供一种基于深度学习的中医六路脉诊信号体质判别方法及系统，涉及深度学习技术领域，所述方法包括步骤1：采集六路脉诊的原始数据D_raw，并且将原始数据D_raw存储于数据库；步骤2：对原始数据D_raw进行预处理，得到降维数据D_pca；步骤3：将原始数据D_raw和降维数据D_pca输入深度神经网络，进行体质分类预测；步骤4：通过多个深度神经网络分别获取多类体质的概率Pn，并且对多类体质的概率Pn进行集成，得到最终预测概率P。本发明能够从六路脉诊的原始数据中学习出体质相关特征，并且有效的对体质进行预测，能够被广泛应用于中医体质预测领域。

技术领域

本发明涉及深度学习技术领域，特别是涉及基于深度学习的中医六路脉诊信号体质判别方法及系统。

背景技术

脉诊又称为切脉，是中医师用手按病人的动脉，根据脉象，以了解疾病内在变化的诊断方法。切脉具有悠久的历史，它反映了中医学诊断疾病的特点和经验。脉象，可以理解为脉搏的形象。是由动脉搏动的显现部位(深、浅)、速率(快、慢)、强度(有力、无力)、节律(整齐与否、有无歇止)和形态等方面组成的。脉象是中医辨证的一个重要依据，对分辨疾病的原因，推断疾病的变化，识别病情的真假，判断体质等，都具有重要的临床意义。由於脉为血之府，贯通全身，所以体脏腑发生病变，往往反映於脉，有时在症状还未充分显露之前，脉象已经发生了改变。阴阳流动的动态，通过了脉络的形式传递、表现出来。正阳的体质，脉动均匀、有力度、节奏明显，清晰可辨。极阴的体质，脉动起伏、虚弱无力、软而缓慢、深沉难辨。处于中间状态的脉动，形态不一，表现不同。理解了阴阳本质，就可以通过对脉的对应、感知变化来达到了解体质的目的。

深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标。它常常用来学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。深度学习技术的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据，它在语音和图像识别方面取得的效果，远远超过先前相关技术。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。通过使机器模仿视听和思考等人类的活动，深度学习技术解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。与此同时，深度学习技术也广泛应用于医学领域，例如通过深度学习网络来根据心电信号、肌电信号对疾病做出判断，通过构建深度学习网络来实现人体脉络切割等等。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于深度学习的中医六路脉诊信号体质判别方法及系统，首先对六路脉诊的原始数据进行预处理，预处理过程主要包含降噪、基准矫正、降维；然后对九类体质分别构建九个深度学习网络，用于对每一类体质进行二分类判断(即判断是否为该体质)；然后获取每一类体质的概率；最后通过集成学习的方法，将九个深度学习网络进行集成，从而形成最终的多核卷积集成网络，并得到最终的体质预测结果；能够从六路脉诊的原始数据中学习出体质相关特征，并且有效的对体质进行预测。

本发明提供一种基于深度学习的中医六路脉诊信号体质判别方法，所述方法包括以下步骤：

步骤1：采集六路脉诊的原始数据D_raw，并且将原始数据D_raw存储于数据库；

步骤2：对原始数据D_raw进行预处理，得到降维数据D_pca；

步骤3：将原始数据D_raw和降维数据D_pca输入深度神经网络，进行体质分类预测；

步骤4：通过多个深度神经网络分别获取多类体质的概率Pn，并且对多类体质的概率Pn进行集成，得到最终预测概率P。

于本发明的一实施例中，所述步骤2的具体流程为：