[发明专利]一种基于卷积神经网络的脉象识别方法和系统

权利要求书

1.一种基于卷积神经网络的脉象识别方法，其特征在于，包括以下步骤：

获取待识别的脉象时域特征：

将所述脉象时域特征发送至基于卷积神经网络的脉象识别模型中进行脉象识别，得到脉象识别结果；

其中，所述脉象识别模型通过以下步骤得到：

步骤一：采集脉象训练数据

采集房颤、冠心病、高血压与装有心脏起搏器患者的桡骨动脉多通道脉象时域数据；

采集健康人的脉象时域数据；

对全部的所述脉象时域信号进行标签分类，得到训练数据集；

步骤二：搭建脉象识别卷积神经网络

所述脉象识别卷积神经网络包括：输入层、卷积层、最大池化层、扁平层、全连接层和输出层；

步骤三：训练脉象识别卷积神经网络

将所述多通道脉象时域信号通过傅里叶变换转换为频域信号，将所述频域信号作为输入层输入至所述脉象识别卷积神经网络，利用所述训练数据集对所述脉象识别卷积神经网络进行训练，训练后得到所述脉象识别模型。

2.根据权利要求1所述的基于卷积神经网络的脉象识别方法，其特征在于，

所述步骤一，具体包括：

采集心血管疾病患者脉象数据，并对数据进行分类标定，分类标定的依据为中医脉象特征与西医心电图诊断特征；

采集健康人的脉象时域数据，所述脉象时域数据包括时间与电压两个参数；

对全部的所述脉象时域信号进行标签分类，得到训练数据集。

3.根据权利要求1所述的基于卷积神经网络的脉象识别方法，其特征在于，

所述采集脉象时域数据的方法包括：

通过柔性感知模块采集患者和健康人的桡骨动脉寸关尺三个位置的脉象9×4通道数据，每个位置有4×3个传感器，每个位置脉宽方向上有四个传感器，长度方向上有三个传感器；所述柔性感知模块包括柔性传感阵列与气囊；

将所述通道数据发送给信号采集模块，得到所述脉象时域数据。

4.根据权利要求1所述的基于卷积神经网络的脉象识别方法，其特征在于，

所述信号采集模块包括FPGA采集电路，所述FPGA采集电路为四层电路板，包括以下电子元器件：运放电路、ADS芯片、FPGA处理芯片与RS485串口。

5.根据权利要求1所述的基于卷积神经网络的脉象识别方法，其特征在于，

在所述利用所述训练数据集对所述脉象识别卷积神经网络进行训练的过程中，利用随机梯度下降算法来迭代和更新卷积核状态进行运算，并采用随机梯度下降寻找全局最优解。

6.根据权利要求1所述的基于卷积神经网络的脉象识别方法，其特征在于，

所述脉象识别卷积神经网络基于TensorFlow框架。

7.根据权利要求3所述的一种基于卷积神经网络的脉象识别方法，其特征在于，

所述卷积层为多个，多个卷积层之间通过卷积滤波器联系，卷积滤波器的定义为通道数乘信号格式乘滤波器的种类。

8.根据权利要求3所述的基于卷积神经网络的脉象识别方法，其特征在于，

所述柔性传感阵列包括由基于离子凝胶制备的柔性压力传感器。

9.根据权利要求1所述的基于卷积神经网络的脉象识别方法，其特征在于，进一步包括：

所述脉象识别结果发送至显示模块进行显示，所述显示模块为树莓派显示器或手机APP显示。

10.一种基于卷积神经网络的脉象识别系统，其特征在于，包括：

柔性感知模块，包括柔性传感阵列和气囊；

信号采集模块，包括FPGA采集电路和RS485传输模块；

智能感知模块，包括神经网络模块和显示模块；

通过所述柔性感知模块和信号采集模块获取待识别的脉象时域特征：

将所述脉象时域特征发送至所述神经网络模块中的基于卷积神经网络的脉象识别模型中进行脉象识别，得到脉象识别结果。