一种基于神经网络分类器的人体体质辨识方法及系统技术方案

本发明专利技术公开了一种基于神经网络分类器的人体体质辨识方法，包括步骤：训练神经网络模型，构建人体体质的分类器，并将人体体质神经网络分类器部署在服务器上；采集多模态人体生命体征数据；对所述的多模态人体生命体征数据进行预处理，并将处理后的数据上传到所述服务器；所述服务器上的神经网络分类器根据获得的数据输出人体体质信息，传输给体质辨识仪。本发明专利技术还公开了一种基于神经网络分类器的人体体质辨识系统。本发明专利技术实现了融合问诊、舌诊、面诊和脉诊等多模态人体生命体征，采用神经网络分类器，来更加客观准确得辨识人体体质。

A Method and System of Human Body Constitution Recognition Based on Neural Network Classifier

The invention discloses a method of human body constitution identification based on neural network classifier, which includes steps: training neural network model, constructing human body constitution classifier, deploying human body constitution neural network classifier on the server, collecting multi-modal human body vital signs data, preprocessing the multi-modal human vital signs data, and processing the data. Upload to the server; the neural network classifier on the server outputs the body constitution information according to the obtained data and transmits it to the body constitution identification instrument. The invention also discloses a human body constitution identification system based on a neural network classifier. The invention realizes the fusion of multi-modal human vital signs such as interrogation, tongue diagnosis, face diagnosis and pulse diagnosis, and adopts a neural network classifier to more objectively and accurately identify human body constitution.

【技术实现步骤摘要】
一种基于神经网络分类器的人体体质辨识方法及系统
本专利技术涉及人工智能机器学习的技术，尤其涉及人工智能在中医领域应用的技术。
技术介绍
中医体质学应用范围广泛，通过研究不同体质类型与疾病的关系，强调体质的可调性，从改善体质入手，为改善患病个体的病理状态提供条件；实现个体化诊疗，在临床对疾病的诊治活动中，对疾病的防治措施和治疗手段建立在对体质辨识的基础上，充分考虑到该人的体质特征，并针对其体质特征采取相应的治疗措施；贯彻中医学“治未病”的学术思想，结合体质进行预防，通过改善体质、调整功能状态，为从人群体质的角度预防疾病提供了理论和方法。充分体现了以人为本，因人制宜的思想。中医体质分成9类，分别是阳虚质、阴虚质、气虚质、痰湿质、湿热质、血瘀质、特禀质、气郁质、平和质。《中医体质分类、判定方法与判定标准》中体质辨识是基于量表的方法，存在以下不足：1、体质判定时，需要做数十道题，时间太长，体验不好；2、问诊回答问题时，存在答题的主观成分，不够客观。本专利技术针对以上不足，提出融合问诊、舌诊、面诊、脉诊等多模态人体生命体征方法，采用神经网络分类器，来辨识人体体质分类。
技术实现思路
本专利技术的首要目的是提供一种基于神经网络分类器的人体体质辨识方法，解决基于问诊、舌诊、面诊、脉诊等多模态人体生命体征的体质分析与分类问题。本专利技术的另一目的在于给出一种基于神经网络分类器的人体体质辨识系统，解决基于问诊、舌诊、面诊、脉诊等多模态人体生命体征的体质分析与分类问题。为实现上述各目的，本专利技术采用如下技术方案：本专利技术第一目的所称提供一种基于神经网络分类器的人体体质辨识方法，包括步骤：训练神经网络模型，构建人体体质的分类器，并将人体体质神经网络分类器部署在服务器上；采集多模态人体生命体征数据；对所述的多模态人体生命体征数据进行预处理，并将处理后的数据上传到所述服务器；所述服务器上的神经网络分类器根据获得的数据输出人体体质信息，传输给体质辨识仪。进一步，所述的训练神经网络模型包括步骤：采集问诊、舌诊、面诊和脉诊的多模态人体生命体征信号；采用图像处理方法对舌体和面部的图像信号进行RGB处理与数字化；对每份问诊、舌诊、面诊和脉诊信号的数据，标记出体质分类；把数字化的问诊、舌诊、面诊和脉诊的数据作为神经网络的输入，对应的人体体质作为神经网络的输出，训练所述神经网络模型。进一步，所述采集多模态人体生命体征数据具体包括使用体质辨识仪实时采集问诊、舌诊、面诊、脉诊信号的数据；然后采用图像处理方法对舌体和面部图像信号进行RGB处理与数字化，把数字化的问诊、舌诊、面诊和脉诊信号的数据上传给服务器上的神经网络分类器。进一步，所述的采集数据的步骤具体包括：通过语音交互，采集问题和答案组，为问诊提供库源数据；通过摄像头，拍摄舌体图像，为舌诊提供图片源数据；通过摄像头，拍摄面部图像，为面诊提供图片源数据；通过脉诊仪，采集人体脉搏波信号，为脉诊提供信息源数据。进一步，所述的数据预处理步骤包括：把问诊库源数据存储到数据库；分析舌体图片源的RGB分量；分析面部图片源的RGB分量；分析脉搏波曲线。本专利技术第二目的所称的一种基于神经网络分类器的人体体质辨识系统，包括：服务器，用于部署人体体质神经网络分类器，所述的神经网络分类器根据获得的数据输出人体体质信息，传输给体质辨识仪；体质辨识仪，用于采集多模态人体生命体征数据，对所述的多模态人体生命体征数据进行预处理，并将处理后的数据上传到所述服务器；进一步，所述的系统还包括：摄像头，用于拍摄舌体图像和面部图像，采集舌诊和面诊的人体生命体征信号；脉诊仪，用于采集人体脉搏波信号；语音交互装置，用于采集问诊数据。进一步，所述的神经网络分类器通过以下步骤获得：通过所述摄像头、脉诊仪和语音交互装置分别采集问诊、舌诊、面诊和脉诊的多模态人体生命体征信号；采用图像处理方法对舌体和面部的图像信号进行RGB处理与数字化；对每份问诊、舌诊、面诊和脉诊信号的数据，标记出体质分类；把数字化的问诊、舌诊、面诊和脉诊的数据作为神经网络的输入，对应的人体体质作为神经网络的输出，训练所述神经网络模型，构建所述人体体质的分类器。进一步，所述多模态人体生命体征数据包括使用所述体质辨识仪实时采集的问诊、舌诊、面诊、脉诊信号数据；所述体质辨识仪采用图像处理方法对舌体和面部图像信号进行RGB处理与数字化，把数字化的问诊、舌诊、面诊和脉诊信号的数据上传给所述服务器上的神经网络分类器。进一步，所述体质辨识仪在采集数据时，通过语音交互，采集问题和答案组，为问诊提供库源数据；通过摄像头拍摄舌体图像，为舌诊提供图片源数据，通过摄像头拍摄面部图像，为面诊提供图片源数据，通过脉诊仪采集人体脉搏波信号，为脉诊提供信息源数据；所述体质辨识仪在预处理时把问诊库源数据存储到数据库，分析舌体图片源的RGB分量，分析面部图片源的RGB分量，分析脉搏波曲线，然后将处理后的数据上传到所述服务器。本专利技术通过机器学习技术，提供了一种基于神经网络分类器的人体体质辨识方法和系统，融合问诊、舌诊、面诊和脉诊等多模态人体生命体征方法，采用神经网络分类器，来辨识人体体质，大大提高了辨识的客观性和准确性。而且采集数据的过程也比较方便简单，比传统的方法体验更好。本专利技术的有益效果远不止于上述罗列诸要点，限于篇幅而不加赘述。需要进一步强调的是：其它任何因本专利技术所称对所想即所得的技术方案的实现而引起的技术变革，以及以这种变革所引起的有益效果，虽未在此明文记载，均是属于本领域内的普通技术人员和商业领域人员可以推知的。下面结合附图和具体实施例对本专利技术进行具体说明：附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例提供的基于神经网络分类器的人体体质辨识方法的流程示意图；图2为本专利技术实施例提供的基于神经网络分类器的人体体质辨识系统的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。本专利技术第一实施例中，描述了基于神经网络分类器的人体体质辨识方法，解决基于问诊、舌诊、面诊、脉诊等多模态人体生命体征的体质分析与分类问题。主要包括以下步骤：步骤101、训练神经网络模型，构建人体体质的分类器，并将人体体质神经网络分类器部署在服务器上。首先采集问诊、舌诊、面诊、脉诊等多模态人体生命体征信号。采用图像处理方法对舌体、面部图像信号进行RGB处理与数字化。采用医生手动审核的方法，针对每份问诊、舌诊、面诊、脉诊数据，人工标记出九种体质中的哪一种或哪几种体质。把数字化的问诊、舌诊、面诊、脉诊信号作为神经网络的输入，对应的人体体质作为神经网络的输出，训练神经网络模型，构建人体体质的分类器。步骤102、采集多模态人体生命体征数据。在使用体质辨识仪的过程中，实时采集问诊、舌诊、面诊、脉诊信号。通本文档来自技高网...

【技术保护点】
1.一种基于神经网络分类器的人体体质辨识方法，其特征在于，该方法包括：训练神经网络模型，构建人体体质的分类器，并将人体体质神经网络分类器部署在服务器上；采集多模态人体生命体征数据；对所述的多模态人体生命体征数据进行预处理，并将处理后的数据上传到所述服务器；所述服务器上的神经网络分类器根据获得的数据输出人体体质信息，传输给体质辨识仪。

【技术特征摘要】
1.一种基于神经网络分类器的人体体质辨识方法，其特征在于，该方法包括：训练神经网络模型，构建人体体质的分类器，并将人体体质神经网络分类器部署在服务器上；采集多模态人体生命体征数据；对所述的多模态人体生命体征数据进行预处理，并将处理后的数据上传到所述服务器；所述服务器上的神经网络分类器根据获得的数据输出人体体质信息，传输给体质辨识仪。2.根据权利要求1所述的方法，其特征在于，所述的训练神经网络模型包括步骤：采集问诊、舌诊、面诊和脉诊的多模态人体生命体征信号；采用图像处理方法对舌体和面部的图像信号进行RGB处理与数字化；对每份问诊、舌诊、面诊和脉诊信号的数据，标记出体质分类；把数字化的问诊、舌诊、面诊和脉诊的数据作为神经网络的输入，对应的人体体质作为神经网络的输出，训练所述神经网络模型。3.根据权利要求1所述的方法，其特征在于，所述采集多模态人体生命体征数据具体包括使用体质辨识仪实时采集问诊、舌诊、面诊、脉诊信号的数据；然后采用图像处理方法对舌体和面部图像信号进行RGB处理与数字化，把数字化的问诊、舌诊、面诊和脉诊信号的数据上传给服务器上的神经网络分类器。4.根据权利要求2或3所述的方法，其特征在于，所述的采集数据具体包括：通过语音交互，采集问题和答案组，为问诊提供库源数据；通过摄像头，拍摄舌体图像，为舌诊提供图片源数据；通过摄像头，拍摄面部图像，为面诊提供图片源数据；通过脉诊仪，采集人体脉搏波信号，为脉诊提供信息源数据。5.根据权利要求4所述的方法，其特征在于，所述的数据预处理包括：把问诊库源数据存储到数据库；分析舌体图片源的RGB分量；分析面部图片源的RGB分量；分析脉搏波曲线。6.一种基于神经网络分类器的人体体质辨识系统，其特征在于，所述系统包括：服务器，用于部署人体体质神经网络分类器，所述的神经...

【专利技术属性】
技术研发人员：徐兆红，杨华元，秦晶，张奎，张文秋韵，
申请(专利权)人：上海铀米机器人科技有限公司，
类型：发明
国别省市：上海,31