[发明专利]基于注意力机制卷积网络结构的体质辨识方法

说明书

本发明公开了一种基于注意力机制卷积网络结构的体质辨识方法，S1，数据采集：通过脉诊仪采集人体脉象信号样本，并以.txt格式输出所述脉象信号样本数据；脉诊仪的采集频率为180Hz、采集时间为10s，脉诊仪采集脉象的压力为80‑140mmHg，供采集1800个数据点；S2，信号去噪；S3，数据扩容：对脉象信号样本数据进行扩容；S4，建立神经网络结构，由一维卷积神经网络层、注意力机制模块、全连接层和Softmax层组成；5，训练过程，因此，本发明的神经网络结构可以很好的实现人体平和体质与非平和体质的二分类，准确率达96%以上。

技术领域

本发明涉及中医理论中的体质辨识方法，尤其是涉及基于注意力机制卷积网络结构的体质辨识方法。

背景技术

中医理论中，为了促进健康和预防疾病，将人的体质分为不同的体质类别。传统的体质辨别方法通常采用问卷调查方法，这些方法存在效率低，准确率低，同时受个体的主观性影响，难以表达出个体的实际身体状况。因此，体质分类的客观化与规范化是中医体质发展的一个重要的问题。脉搏波信号可以准确辨识体质，但需要医师的先验知识，并且缺乏客观的证据。因此，利用现代科学技术对不同体质的脉象进行分析具有重要意义。传统的脉象分析方法集中在人工定义的特征提取与分析，人工定义的特征并不一定能够代表出脉象信号的全部信息，并且脉象信号作为一种生理信号，容易受到测试者移动、呼吸等影响，会产生大量的噪声干扰。

发明内容

本发明目的在于提供一种基于注意力机制卷积网络结构的体质辨识方法，实现提高人体体质辨识准确度。

为实现上述目的，本发明采取下述技术方案：

本发明所述基于注意力机制卷积网络结构的体质辨识方法，包括下述步骤：

S1，数据采集：

通过脉诊仪采集人体脉象信号样本，并以.txt格式输出所述脉象信号样本数据；所述脉诊仪的采集频率为180Hz、采集时间为10s，脉诊仪采集脉象的压力为80-140mmHg，供采集1800个数据点；

S2，信号去噪：

采用EMD分解（经验模态分解，(Empirical Mode Decomposition,EMD)）对脉诊仪采集的所述脉象信号样本数据进行去噪处理，去除脉象信号样本中的肌电干扰和基线漂移；

S3，数据扩容：

对脉象信号样本数据进行扩容，扩容过程中每次选择2s的数据长度，保证截取的信号中至少包含一个完整的脉象周期；

S4，建立神经网络结构：

所述神经网络结构由一维卷积神经网络层、注意力机制模块、全连接层和Softmax层组成；所述一维卷积神经网络层和注意力模块用于提取去噪处理后脉象信号的特征，所述全连接层和Softmax层用于分类器；

5，训练过程：

将去噪处理后的脉象信号数据划分为训练集和测试集，通过所述训练集不断训练神经网络结构，不断调整参数，然后再通过所述测试集验证训练的神经网络结构是否具有一定的泛化能力，当训练好的神经网络结构在测试集上达到预设的结果后，神经网络结构停止训练并且输出神经网络结构，保存神经网络结构参数。

S4中，所述一维卷积神经网络层包括卷积运算、批量归一化层以及激活函数层；所述卷积运算如公式1所示：(1)；