[发明专利]一种基于卷积神经网络的脉象识别方法和系统

说明书

本发明提供了一种基于卷积神经网络的脉象识别方法和系统，通过柔性传感器采集寸关尺多部位三维脉象的信号，用所设计的电路板实现可穿戴化采集脉象，并将采集的脉象通过快速傅里叶变化转换为频域信号，将预处理的信号通过卷积神经网络的训练，生成神经网络模型，实现后续可穿戴设备的实时脉象识别。本发明利用采集的寸关尺三维脉象数据进行基于卷积神经网络的脉象识别，该方法利用卷积神经网络通过模拟人类神经元结构逐层进行信息传递的特点，实现特征的自动提取，最终实现脉象识别。同时本发明提供的脉象训练模型能用于脉象识别、脉搏分析等领域。本发明设计了一种基于离子凝胶的柔性压力传感器，其具有良好的稳定性、优异的灵敏度以及良好的生物相容性。

技术领域

本发明涉及中医脉诊技术领域与计算机数据处理领域，特别是涉及一种基于卷积神经网络的脉象识别方法。

背景技术

“望、闻、问、切”四诊是中华民族传统医学对病人进行诊断的方法，其中的“切”通常代表脉诊，中医医生们通过手指按压桡骨动脉寸关尺三个位置的脉搏感知人体体质，因此中医脉诊具有重要的临床价值。但其准确性主要取决于医生的主观判断与经验，缺乏客观的诊断指标，在中医现代化发展过程中有必要将其与现代计算机技术结合起来，以促进其融入现代化、科学化发展。

当前有许多采集脉搏信号方面的研究，传感器原理一般为光电、压力、压电、电容与摩擦电。为了能够真正模拟医生按压脉搏时的指尖感受，压力传感器的原理与之最相似。在信号分析领域，目前也已有许多学者对此进行了研究，分析方法主要包括时域分析法与频域分析法等。时域分析法是根据脉象信号定义多个具有生理意义的时域特征，其中主要包括脉象的主波峰值、重搏波、峡中波幅度和脉动时间等；频域分析法主要通过快速傅里叶变换将时域信号转换为频域信号，进行频域特征提取；对于预处理的信号，现有技术公开了一种基于无阈值递归图和卷积神经网络的脉象信号识别方法，该方法将脉象信号转换为递归图，从而将非线性的特征映射到二维平面中，通过卷积神经网络的多层卷积计算，实现对脉象信号特征的学习与分类，使得其具有分辨不同脉象类型的能力。

在脉象信号模式识别研究中，现有的技术主要采用卷积神经网络、反向传播神经网络、LSTM神经网络等对脉象信号进行判断分析。然而这些现有技术对脉象的识别准确率不高，或者是采用的技术手段较为复杂，较难推广应用。

发明内容

本发明的目的是通过以下技术方案实现的。

根据本发明的第一个方面，提供了一种基于卷积神经网络的脉象识别系统，包括：

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。

进一步地，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；