基于深度学习的中医六路脉诊信号体质判别方法及系统技术方案

本发明专利技术提供一种基于深度学习的中医六路脉诊信号体质判别方法及系统，涉及深度学习技术领域，所述方法包括步骤1：采集六路脉诊的原始数据D

【技术实现步骤摘要】
基于深度学习的中医六路脉诊信号体质判别方法及系统


[0001]本专利技术涉及深度学习
，特别是涉及基于深度学习的中医六路脉诊信号体质判别方法及系统。

技术介绍

[0002]脉诊又称为切脉，是中医师用手按病人的动脉，根据脉象，以了解疾病内在变化的诊断方法。切脉具有悠久的历史，它反映了中医学诊断疾病的特点和经验。脉象，可以理解为脉搏的形象。是由动脉搏动的显现部位(深、浅)、速率(快、慢)、强度(有力、无力)、节律(整齐与否、有无歇止)和形态等方面组成的。脉象是中医辨证的一个重要依据，对分辨疾病的原因，推断疾病的变化，识别病情的真假，判断体质等，都具有重要的临床意义。由於脉为血之府，贯通全身，所以体脏腑发生病变，往往反映於脉，有时在症状还未充分显露之前，脉象已经发生了改变。阴阳流动的动态，通过了脉络的形式传递、表现出来。正阳的体质，脉动均匀、有力度、节奏明显，清晰可辨。极阴的体质，脉动起伏、虚弱无力、软而缓慢、深沉难辨。处于中间状态的脉动，形态不一，表现不同。理解了阴阳本质，就可以通过对脉的对应、感知变化来达到了解体质的目的。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的中医六路脉诊信号体质判别方法，其特征在于，所述方法包括以下步骤：步骤1：采集六路脉诊的原始数据D
raw
，并且将原始数据D
raw
存储于数据库；步骤2：对原始数据D
raw
进行预处理，得到降维数据D
pca
；步骤3：将原始数据D
raw
和降维数据D
pca
输入深度神经网络，进行体质分类预测；步骤4：通过多个深度神经网络分别获取多类体质的概率Pn，并且对多类体质的概率Pn进行集成，得到最终预测概率P。2.根据权利要求1所述的基于深度学习的中医六路脉诊信号体质判别方法，其特征在于，所述步骤2的具体流程为：步骤2.1：对原始数据D
raw
进行降噪处理，得到降噪数据；步骤2.2：对降噪数据进行基准矫正处理，得到矫正数据；步骤2.3：对矫正数据进行降维处理，得到降维数据D
pca
。3.根据权利要求2所述的基于深度学习的中医六路脉诊信号体质判别方法，其特征在于，所述步骤3的具体流程为：步骤3.1：通过全连接网络学习降维数据D
pca
的高阶特征d
pca
，具体公式为：d
pca
＝W
×
D
pca
+b其中，W为全连接层的权重，b为全连接层的偏置；步骤3.2：通过多核卷积网络学习原始数据D
raw
...

【专利技术属性】
技术研发人员：周飞，范泽民，胡方锋，
申请(专利权)人：上海泰怡健康科技有限公司，
类型：发明
国别省市：