[发明专利]一种基于深度学习的脉象判别方法

权利要求书

1.一种基于深度学习的脉象判别方法，其特征在于，具体步骤如下：

步骤S1：采集脉搏数据；

步骤S2：将脉搏数据依次进行数据预处理、切割脉搏波、脉搏质量检测以及小波变换；

步骤S3：处理后的脉搏数据通过训练好的神经网络进行识别判断。

2.根据权利要求1所述的一种基于深度学习的脉象判别方法，其特征在于：在步骤S2中，数据预处理具体步骤为，

步骤S21：信号去噪，对脉搏信号进行去噪处理；

步骤S22：去除基线漂移，将脉搏波的幅度计算到同一个基线上；

步骤S23：去突变值，去除脉搏波中的幅度出现激增并快速恢复正常的突变信号。

3.根据权利要求2所述的一种基于深度学习的脉象判别方法，其特征在于：在步骤S21中使用小波阈值去噪法进行信号去噪。

4.根据权利要求2所述的一种基于深度学习的脉象判别方法，其特征在于：在步骤S2中，所述切割脉搏波的具体步骤为：

将脉搏波形以一次心跳为一个周期分割为多段脉搏波形，并去除超过正常心跳范围的异常脉搏波。

5.根据权利要求4所述的一种基于深度学习的脉象判别方法，其特征在于：在步骤S2中，所述脉搏质量检测具体步骤为：

若经过数据预处理和切割脉搏波删除的脉搏波超过设定比率，则整个脉搏波质量不合格，并将不合格的脉搏波删除；若经过数据预处理和切割脉搏波删除的脉搏波未超过设定比率，则整个脉搏波质量合格，将合格的脉搏波进行下一步数据处理。

6.根据权利要求5所述的一种基于深度学习的脉象判别方法，其特征在于：在步骤S2中，所述小波变换具体步骤为：对切割好的脉搏波形做小波变换，将时域信号转变为时频域的信号，并将脉搏波转换到统一尺寸。

7.根据权利要求1所述的一种基于深度学习的脉象判别方法，其特征在于：在步骤S1中，采集脉搏数据通过脉搏采集仪器进行脉搏波采集，脉搏采集仪器采用夹式智能脉搏血氧仪。

8.根据权利要求1所述的一种基于深度学习的脉象判别方法，其特征在于：在步骤S3中，采用ResNet模型进行深度学习和特征判别。

9.根据权利要求8所述的一种基于深度学习的脉象判别方法，其特征在于：ResNet模型训练过程为：

采集足够数量的年龄在24岁-35岁之间且没有重大疾病史的妊娠女性和普通女性脉搏波数据，在测试过程中保持心情平静和身体稳定，且外界环境安静；

将采集到的数据波输入到ResNet模型进行深度学习。

10.根据权利要求9所述的一种基于深度学习的脉象判别方法，其特征在于：所述ResNet模型包括依次设置的卷积模块、四个残差模块以及特征输出模块。