一种中医脉象的神经网络模型训练方法技术

本发明专利技术涉及中医脉象和人工智能领域，具体的说是一种中医脉象的神经网络模型训练方法。本发明专利技术包括以下步骤：通过传感器采集脉象信号的三种谱图：功率谱、倒谱和传递函数谱；根据谱图得到特征向量组data，并对特征向量组data进行归一化；将脉象信号进行分类，根据脉象种类的不同得到标签向量cbit，由此得到训练样本为Y＝(cbit，data)，其中cbit为目标输出，data作为神经网络的输入；建立神经网络模型，所述神经网络模型包括输入层、隐藏层和输出层；对神经网络进行训练。本发明专利技术基于神经网络，神经网络具有自适应的能力，对输入数据进行训练，更新权值和神经元数量，得到的神经网络模型可用于中医脉象的辅助诊断。

A neural network model training method for pulse image of traditional Chinese Medicine

The invention relates to the field of pulse image and artificial intelligence of traditional Chinese medicine, in particular, it is a neural network model training method for pulse image of traditional Chinese medicine. The invention comprises the following steps: three spectrum acquisition pulse signal through the sensor: power spectrum, cepstrum and transfer function spectrum; according to spectral feature vector group data, and normalized feature vectors will be data; pulse signals are classified according to the classification of different from the label vector CBIT, obtained from the training samples Y = (CBIT, data), where CBIT is the target output, the data neural network as input; establish the neural network model, the neural network model including input layer, hidden layer and output layer of the neural network for training. Based on neural network, neural network has adaptive ability, training input data, updating weights and number of neurons, and obtaining neural network model for auxiliary diagnosis of TCM pulse condition.

【技术实现步骤摘要】
一种中医脉象的神经网络模型训练方法
本专利技术涉及中医脉象和人工智能领域，具体的说是一种中医脉象的神经网络模型训练方法。
技术介绍
脉诊是我国最早创用的独特诊断疾病的方法，中医脉诊最晚可追溯到公元前七世纪，经历代医学家的反复临床实践与不断研究，已使之发展成为一门诊断科学——脉象学。虽说居“四诊”(望、闻、问、切)之末，但应当说是最重要的。因为从诊察方法上讲，它是唯一直接接触到病人身体的技术。从起源发展上讲，它与中医学的历史一样悠久。脉诊是中医“整体性”、“动态性”和“辨证论治”精髓的体现与应用，所有中医书籍，无一不以脉诊为主要辨证依据。但是，脉象信号的生物医学信号是一种相当复杂的信号，其主要特点是随机性强、背景噪声强等。脉象反映的是人体生物信息包含有人体自身在生命运动过程中产生的生理、生化信息，也有人体受到外界环境刺激所产生的信息，因而其重复性差，具有整体性和可调性，非线性等特点。中医理论体系是建立在古代朴素的辩证法之上的，长期以来未能从经验医学中解脱出来，中医切脉凭经验和手指感觉，带有个人主观臆断因素，据说至少要五到八年的临床实践才有可能掌握这种诊法。因此，中医脉象的客观化、数字化本文档来自技高网...

【技术保护点】
一种中医脉象的神经网络模型训练方法，其特征在于，包括以下步骤：步骤1，通过传感器采集脉象信号的三种谱图：功率谱、倒谱和传递函数谱；步骤2，根据谱图得到特征向量组data，并对特征向量组data进行归一化；将采集到的脉象信号进行分类，根据脉象种类的不同得到标签向量cbit，由此得到训练样本为Y＝(cbit，data)，其中cbit为目标输出，data作为神经网络的输入；步骤3，建立神经网络模型，所述神经网络模型包括输入层、隐藏层和输出层；步骤4，对神经网络进行训练：首先对神经网络模型进行初始化；然后将特征向量组data送进神经网络模型，结合权值矩阵和偏置矩阵进行计算；通过反向传播控制算法，在当不...

【技术特征摘要】
1.一种中医脉象的神经网络模型训练方法，其特征在于，包括以下步骤：步骤1，通过传感器采集脉象信号的三种谱图：功率谱、倒谱和传递函数谱；步骤2，根据谱图得到特征向量组data，并对特征向量组data进行归一化；将采集到的脉象信号进行分类，根据脉象种类的不同得到标签向量cbit，由此得到训练样本为Y＝(cbit，data)，其中cbit为目标输出，data作为神经网络的输入；步骤3，建立神经网络模型，所述神经网络模型包括输入层、隐藏层和输出层；步骤4，对神经网络进行训练：首先对神经网络模型进行初始化；然后将特征向量组data送进神经网络模型，结合权值矩阵和偏置矩阵进行计算；通过反向传播控制算法，在当不满足预设准确度要求时，调整隐藏层的个数与网络权值，直到满足准确度要求；保存神经网络参数，包括循环神经网络模型、输入神经元个数与网络权值，训练结束。2.根据权利要求1所述的一种中医脉象的神经网络模型训练方法，其特征在于，所述对特征向量组data进行归一化，具体为：对特征向量组data内的数据进行线性变换，即通过转换函数使结果映射到[0,1]区间，其中max为样本数据的最大值，min为样本数据最小值，为归一化后的data。3.根据权利要求1所述的一种中医脉象的神经网络模型训练方法，其特征在于，所述特征向量组data由倒谱、功率谱、传递函数谱的特征系数组成。4.根据权利要求1所述的一种中医脉象的神经网络模型训练方法，其...

【专利技术属性】
技术研发人员：胡绍刚，詹稀童，钱堃，伍元聪，王俊杰，刘洋，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51