[发明专利]一种基于深度学习的脉象判别方法

说明书

本发明公开了一种基于深度学习的脉象判别方法，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。采用上述一种基于深度学习的脉象判别方法进行验孕，测试具有可重复使用、检测成本低以及测试体验好的优点，同时具有较高的验孕准确度。

技术领域

本发明涉及医疗信息技术应用技术领域，尤其是涉及一种基于深度学习的脉象判别方法。

背景技术

脉诊在传统中医领域是一种极具特色的诊断方法，经过多年的发展，中医脉诊以其无创检测的特点，在国际上受到越来越多的重视。然而到目前为止，脉诊主要靠中医的实践与传承，不利于论证脉诊的可靠性和大规模推广，因此，如何将脉搏数据化、将脉诊客观化成为现代中医学的一大重要研究方向。

在中医脉诊中，广为人知的一种脉象叫做“喜脉”，也叫妊娠脉。中医认为，在女性怀孕期间，由于胎儿的生长需要母体提供养分，孕妇的气血会发生一定程度的改变，从而引发脉象的相应变化。现代化的验孕方式主要有三种，分别为验孕棒检测、B超检测和验血检查，验孕棒不可重复使用且准确率受一些外在因素的影响，B超检测和验血检查需要去医院检查，其中抽血检查还是有创检查，耗时耗力，十分不便。

发明内容

本发明的目的是提供一种基于深度学习的脉象判别方法进行验孕，测试具有可重复使用、检测成本低以及测试体验好的优点，同时具有较高的验孕准确度。

为实现上述目的，本发明提供了一种基于深度学习的脉象判别方法，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。

进一步的，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。

进一步的，在步骤S21中使用小波阈值去噪法进行信号去噪。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，在步骤S3中，采用ResNet模型进行深度学习和特征判别。

进一步的，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。