一种脉搏诊断方法、装置、计算机设备、存储介质及系统制造方法及图纸

本发明专利技术适用于计算机技术领域，提供了一种脉搏诊断方法、装置、计算机设备、存储介质及系统，脉搏诊断方法包括：获取脉搏信号；根据脉搏信号与脉搏诊断模型确定脉搏诊断结果；脉搏诊断模型是预先基于条件生成对抗网络算法并以最小化将样本错误分类的概率作为损失函数所训练生成的。本发明专利技术实施例提供的脉搏诊断方法利用条件生成对抗网络算法训练生成脉搏诊断模型，在训练的过程中，生成器网络模型能够生成样本数据，对样本的需求量小，同时两个网络模型之间会不断进行博弈优化，生成器网络模型生成的样本会接近真实数据分布而判别器网络模型对样本的分类能力也会不断提升，从而有效提高脉搏诊断模型的诊断准确率。提高脉搏诊断模型的诊断准确率。提高脉搏诊断模型的诊断准确率。

【技术实现步骤摘要】
一种脉搏诊断方法、装置、计算机设备、存储介质及系统


[0001]本专利技术属于计算机
，尤其涉及一种脉搏诊断方法、装置、计算机设备、存储介质及系统。

技术介绍

[0002]随着生活质量的提高和医疗技术的发展，人们对卫生服务的要求也越来越高。中医诊断是我国特有的文化瑰宝，不仅对疾病的准确诊治，同时对治未病等方面都有显著的贡献。在中医诊断的历史上，脉搏波一直都是一个重要参考指标。利用脉搏波诊断疾病具有无创、低风险、低成本的特点，监测人体可测量的脉搏并确定脉搏是否发生变化可以及早发现心血管疾病。
[0003]现有技术中，对脉搏进行诊断的模型大所述都是基于神经网络算法训练得到的，然而，基于神经网络算法训练得到模型往往需要大量的样本数据，而在脉搏诊断领域，往往会因为缺少足够的样本的数据，导致基于神经网络算法训练得到模型的过程十分苦难，并且诊断结构不够准确。
[0004]可见，现有的利用神经网络算法训练生成的脉搏诊断模型还存在着因样本数据不足而导致的模型训练困难、诊断结果不够准确的技术问题。

技术实现思路

[0005]本专利技术实施例的目的在于提供一种脉搏诊断方法，旨在解决现有的利用神经网络算法训练生成的脉搏诊断模型还存在的因样本数据不足而导致的模型训练困难、诊断结果不够准确的技术问题。
[0006]本专利技术实施例是这样实现的，一种脉搏诊断方法，包括：
[0007]获取脉搏信号；
[0008]根据所述脉搏信号以及脉搏诊断模型确定脉搏诊断结果；所述脉搏诊断模型是预先基于条件生成对抗网络算法所训练生成的；所述脉搏诊断模型是以最小化将样本错误分类的概率作为损失函数。
[0009]本专利技术实施例的另一目的在于提供一种脉搏诊断装置，包括：
[0010]脉搏信息获取单元，用于获取脉搏信号；
[0011]脉搏信息诊断单元，用于根据所述脉搏信号以及脉搏诊断模型确定脉搏诊断结果；所述脉搏诊断模型是预先基于条件生成对抗网络算法所训练生成的；所述脉搏诊断模型是以最小化将样本错误分类的概率作为损失函数。
[0012]本专利技术实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述脉搏诊断方法的步骤。
[0013]本专利技术实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上
述所述脉搏诊断方法的步骤。
[0014]本专利技术实施例的另一目的在于提供一种脉搏诊断系统，包括脉搏信号采集装置、脉搏信号诊断装置以及诊断结果输出装置，所述脉搏信号采集装置用于采集脉搏信息并发送给脉搏信号诊断装置，所述脉搏信号诊断装置用于按照如上述所述的脉搏诊断方法对所述脉搏信息进行诊断，并将脉搏诊断结果通过诊断结果输出装置输出。
[0015]本专利技术实施例提供的一种脉搏诊断方法，通过利用条件生成对抗网络算法训练生成诊断模型，在条件生成对抗网络算法中包括生成器网络模型以及判别器网络模型，在训练的过程中，生成器网络模型能够生成样本数据，无需大量的样本数据，同时生成器网络模型和判别器网路模型会不断进行博弈优化，生成器网络模型生成的样本会接近真实数据分布，且判别器网络模型对输入样本的分类能力也会不断提升，从而有效提高训练出的模型对脉搏诊断的结果的准确率。此外，本专利技术提供基于条件生成对抗网络算法训练得到的脉搏诊断模型是以最小化将样本错误分类的概率作为损失函数，相对于现有技术中是以最大化将样本正确分类的概率来作为损失函数，能够有效地解决在训练过程中存在的当判别器网络模型对真实的样本分布具有较高的概率分布时，此时判别器网络模型可以轻易的判别出样本的真伪，导致生成器网络模型接收的来自判别器网络模型的梯度消失从而导致整个训练过程的停止的技术问题。
附图说明
[0016]图1为本专利技术实施例提供的一种脉搏诊断方法的应用环境图；
[0017]图2为本专利技术实施例提供的一种脉搏诊断方法的步骤流程图；
[0018]图3为本专利技术实施例提供的另一种脉搏诊断方法的步骤流程图；
[0019]图4为本专利技术实施例提供的一种基于条件生成对抗网络算法训练生成脉搏诊断模型的步骤流程图；
[0020]图5为本专利技术实施例提供的另一种基于条件生成对抗网络算法训练生成脉搏诊断模型的步骤流程图；
[0021]图6为本专利技术实施例提供的一种对判别器网络模型进行优化的步骤流程图；
[0022]图7为本专利技术实施例提供的一种脉搏诊断装置的结构示意图；
[0023]图8为本专利技术实施例提供的一种可执行脉搏诊断方法的计算机设备的结构示意图。
具体实施方式
[0024]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0025]可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx 脚本。
[0026]图1为本专利技术实施例提供的一种脉搏诊断方法的应用环境图，也可以等价理解为
一种脉搏诊断系统的结构示意图，如图1所示，在该应用环境图中，包括脉搏信号采集装置110、脉搏信号诊断装置120以及诊断结果输出装置130。
[0027]在本专利技术实施例中，脉搏信号采集装置110用于采集脉搏信息并发送给脉搏信号诊断装置120；脉搏信号采集装置120用于按照预设的脉搏诊断方法对所述脉搏信息进行诊断，并将脉搏诊断结果通过诊断结果输出装置130输出。
[0028]在本专利技术实施例中，脉搏信号采集装置110通常选择传感器来实现对脉搏信号的采集，具体的，包括压力脉搏传感器、压力脉搏波信号电压扩大、信号电压噪声滤除、数模转换和信号传递。该压力脉搏传感器可以对脉搏波进行采集并输出模拟信号；信号电压噪声滤除可以将电压变化中干扰和工频干扰等较高频率的干扰滤除；数模转化可以将采集的模拟信号转化成数字信号，并发送至脉搏信号诊断装置以实现对脉搏信号的处理。
[0029]在本专利技术实施例中，所述脉搏信号诊断装置120可以理解为具有一定数据存储能力与处理能力的硬件设置或者软件程序，通常可以理解为部署在服务器上的服务端程序或者部署在移动设备上的客户端程序，其中上预先安装有基于条件生成对抗网络算法所训练生成的脉搏诊断模型，当向脉搏诊断模型内输入脉搏信号时，能够快速计算得到诊断结果，其中具体的实现过程可以参阅后续图2～图6的相关内容。
[0030]在本专利技术实施例中，诊断结果输出装置130主要用于输出诊断结果以告知用户，通常可以理解为部署在用户胡搜机上的客户端程序，当然也可以是以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脉搏诊断方法，其特征在于，包括：获取脉搏信号；根据所述脉搏信号以及脉搏诊断模型确定脉搏诊断结果；所述脉搏诊断模型是预先基于条件生成对抗网络算法所训练生成的；所述脉搏诊断模型是以最小化将样本错误分类的概率作为损失函数。2.根据权利要求1所述的脉搏诊断方法，其特征在于，在所述获取脉搏信号后，还包括：根据小波变换对所述脉搏信号进行降噪处理，生成降噪处理后的脉搏信号；所述根据所述脉搏信号以及脉搏诊断模型确定脉搏诊断结果的步骤，具体为：根据所述降噪处理后的脉搏信号以及脉搏诊断模型确定脉搏诊断结果。3.根据权利要求1所述的脉搏诊断方法，其特征在于，预先基于条件生成对抗网络算法训练生成所述脉搏诊断模型的步骤，具体包括：构建初始化的生成器网络模型以及判别器网络模型；根据所述生成器网络模型对获取的随机噪音进行处理得到生成样本数据；根据所述生成器样本数据以及已知标签信息的真实样本数据对所述判别器网络模型进行优化；判断所述判别器网络模型是否满足预设的优化完成条件；当判断所述判别器网络模型不满足预设的优化完成条件时，返回至所述根据所述生成器样本数据以及已知标签信息的真实样本数据对所述判别器网络模型进行优化的步骤；当判断所述判别器网络模型满足预设的优化完成条件时，根据所述随机噪音以及真实样本数据对所述生成器网络模型进行优化。4.根据权利要求3所述的脉搏诊断方法，其特征在于，根据所述随机噪音以及真实样本数据对所述生成器网络模型进行优化的步骤，具体包括：根据生成器网络模型对所述随机噪音进行处理得到生成样本数据；确定所述生成样本数据以及真实样本数据的特征匹配差异；根据梯度中心化的适应性矩估计优化算法以及所述特征匹配差异对所述生成器网络模型进行优化；判断生成器网络模型是否满足预设的训练完成条件；当判断生成器网络模型满足预设的训练完成条件时，将所述判别器网络模型确定为脉搏诊断模型；当判断生成器网络模型不满足预设的训练完成条件时，判断生成器网络模型是否判断预设的优化完成条件...

【专利技术属性】
技术研发人员：吴俊宏，姚志江，
申请(专利权)人：浙江远图互联科技股份有限公司，
类型：发明
国别省市：