脉象数据检测方法以及系统技术方案

本发明专利技术的脉象数据检测方法以及系统，通过构建的脉象检测模型获得对应待检测的脉象数据的脉象判别结果以及脉率监测结果。本发明专利技术的方案可在脉象检测的同时进行是否为有效数据的分析，并在判别为正确脉象信号的情况下，预测脉率的数值；还可提前退出无效的采集过程，大大缩短无效的采集时间，对提高脉象检测类产品的用户体验上具有积极作用。品的用户体验上具有积极作用。品的用户体验上具有积极作用。

【技术实现步骤摘要】
脉象数据检测方法以及系统


[0001]本申请涉及数据处理
，尤其涉及脉象数据检测方法以及系统。

技术介绍

[0002]在专业中医脉象仪检测领域，进行一次脉象检测过程通常需要一段较长的时间，往往时间会超过5分钟，但是由于设备对检测位置的定位要求极高，常存在佩戴不正确等问题，无法获取到有效的脉象信号。而常规的脉象信号处理方法需要获取信号完成后进行分析，若没有佩戴成功检测到正确的信号，则会浪费大量的无效体验时间。
[0003]大部分以往的研究以及专利中，将主要的注意力集中到了从脉象信号到脉象的位、数、形、势等特征的处理中，较少提及如何从原始数据中判别是否有效数据的处理过程。如CN106859608A公开的动态中医三部脉象电信号连续监测和实时分析系统中，默认设备检测到的信号均是正确有效的脉象信号，忽视了获取信号不成功的处理过程。在CN112487945A公开的一种基于双路卷积神经网络融合的脉象识别方法中，虽然使用了人工智能技术对脉象信号的处理，但是同样是仅针对预处理认为正确有效的脉象信号，其网络结构无法处理非正常信号。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本申请的目的在于提供脉象数据检测方法以及系统，解决以上现有技术所出现的问题。
[0005]为实现上述目标及其他相关目标，本申请提供一种脉象数据检测方法，包括：获取待检测的脉象数据；基于经过部署的脉象检测模型，根据所述脉象数据获得对应该数据的脉象检测结果；其中，所述脉象检测结果包括：脉象判别结果以及脉率监测结果；并且其中，所述脉象判别结果包括：有效脉象结果或无效脉象结果；其中，所述脉象检测模型的构建方式包括：构建脉象检测框架模型；利用训练数据集训练所述脉象检测框架模型，以获得脉象检测模型；并且其中，所述训练数据集包括：有效训练数据集以及无效训练数据集。
[0006]于本申请的一或多个实施例中，所述有效训练数据集包括：具有有效分类标签的多个有效脉象数据样本以及对应各样本的脉率；所述无效训练数据集包括：具有无效分类标签的多个无效脉象数据样本。
[0007]于本申请的一或多个实施例中，所述训练数据集经过Z
‑
Score标准化处理获得。
[0008]于本申请的一或多个实施例中，所述脉象检测框架模型包括：特征粗提取结构，用于对输入的脉象数据进行粗特征提取，以输出脉象粗特征提取数据；特征细提取结构，连接所述特征粗提取结构，用于对所述脉象粗特征提取数据进行细特征提取，以输出脉象细特征提取数据；脉象检测结果输出结构，连接所述特征细提取结构，用于基于输入的细特征提取数据获得对应所述脉象数据的脉象检测结果；其中，所述脉象检测结果输出结构包括：数据有效判别输出结构，用于基于输入的脉象细特征提取数据输出有效脉象结果或无效脉象结果；脉率输出结构，用于基于输入的脉象细特征提取数据输出脉率监测结果。
[0009]于本申请的一或多个实施例中，所述数据有效判别输出结构包括：两层连接的Dense结构；和/或，所述脉率输出结构包括：两层连接的Dense结构。
[0010]于本申请的一或多个实施例中，所述特征粗提取结构包括：两个连接的特征粗子提取结构；其中，每个特征粗子提取结构包括：一卷积层、一与所述卷积层连接的Dropout层以及一与所述Dropout层连接的BatchNormalization层。
[0011]于本申请的一或多个实施例中，所述特征细提取结构包括：分支特征提取结构，包括：对应不同卷积核的三个分支结构，用于根据输入的粗特征提取数据分别输出对应的分支特征数据；其中，每个分支结构包括：三层连接的ConvBNRelu_x结构，用于对进行输入的粗特征提取数据进行三次残差计算；全局平均池化层，用于对经过三次残差处理的数据进行平均处理；融合结构，连接所述分支特征提取结构，用于将三个分支结构输出的分支特征数据进行融合，输出细特征提取数据。
[0012]于本申请的一或多个实施例中，所述数据有效判别输出结构采用的激活函数为sigmoid函数；所述脉率输出结构采用的激活函数为Relu函数。
[0013]于本申请的一或多个实施例中，所述脉象检测框架模型还包括：损失加权计算层，连接所述脉象检测结果输出结构，包括：第一损失加权计算模块，用于采用二元交叉熵损失函数对所述脉象判别结果进行损失加权计算；第二损失加权计算模块，用于采用MSE损失函数对脉率监测结果进行损失加权计算。
[0014]为实现上述目标及其他相关目标，本申请提供一种脉象数据检测系统，包括：数据获取模块，用于获取待检测的脉象数据；脉象检测模块，连接所述数据获取模块，用于基于经过部署的脉象检测模型，根据所述脉象数据获得对应该数据的脉象检测结果；其中，所述脉象检测结果包括：脉象判别结果以及脉率监测结果；并且其中，所述脉象判别结果包括：有效脉象结果或无效脉象结果；其中，所述脉象检测模型的构建方式包括：构建脉象检测框架模型；利用训练数据集训练所述脉象检测框架模型，以获得脉象检测模型；并且其中，所述训练数据集包括：有效训练数据集以及无效训练数据集。
[0015]如上所述，本申请的脉象数据检测方法以及系统，通过构建的脉象检测模型获得对应待检测的脉象数据的脉象判别结果以及脉率监测结果。本专利技术的方案可在脉象检测的同时进行是否为有效数据的分析，并在判别为正确脉象信号的情况下，预测脉率的数值；还可提前退出无效的采集过程，大大缩短无效的采集时间，对提高脉象检测类产品的用户体验上具有积极作用。
附图说明
[0016]图1显示为本申请实施例中脉象数据检测方法的流程示意图。
[0017]图2显示为本申请实施例中脉象检测框架模型的结构示意图。
[0018]图3显示为本申请实施例中特征粗提取结构的结构示意图。
[0019]图4显示为本申请实施例中特征细提取结构的结构示意图。
[0020]图5显示为本申请实施例中ConvBNRelu_x结构的结构示意图。
[0021]图6显示为本申请实施例中脉象数据检测方法的流程示意图。
[0022]图7显示为本申请实施例中脉象检测框架模型的结构示意图。
[0023]图8显示为本申请实施例中脉象数据检测系统的结构示意图。
具体实施方式
[0024]以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用系统，本说明书中的各项细节也可以基于不同观点与应用系统，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0025]下面以附图为参考，针对本申请的实施例进行详细说明，以便本申请所属
的技术人员能够容易地实施。本申请可以以多种不同形态体现，并不限定于此处说明的实施例。
[0026]为了明确说明本申请，省略与说明无关的部件，对于通篇说明书中相同或类似的构成要素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脉象数据检测方法，其特征在于，包括：获取待检测的脉象数据；基于经过部署的脉象检测模型，根据所述脉象数据获得对应该数据的脉象检测结果；其中，所述脉象检测结果包括：脉象判别结果以及脉率监测结果；并且其中，所述脉象判别结果包括：有效脉象结果或无效脉象结果；其中，所述脉象检测模型的构建方式包括：构建脉象检测框架模型；利用训练数据集训练所述脉象检测框架模型，以获得脉象检测模型；并且其中，所述训练数据集包括：有效训练数据集以及无效训练数据集。2.根据权利要求1中所述的脉象数据检测方法，其特征在于，所述有效训练数据集包括：具有有效分类标签的多个有效脉象数据样本以及对应各样本的脉率；所述无效训练数据集包括：具有无效分类标签的多个无效脉象数据样本。3.根据权利要求2中所述的脉象数据检测方法，其特征在于，所述训练数据集经过Z
‑
Score标准化处理获得。4.根据权利要求1中所述的脉象数据检测方法，其特征在于，所述脉象检测框架模型包括：特征粗提取结构，用于对输入的脉象数据进行粗特征提取，以输出脉象粗特征提取数据；特征细提取结构，连接所述特征粗提取结构，用于对所述脉象粗特征提取数据进行细特征提取，以输出脉象细特征提取数据；脉象检测结果输出结构，连接所述特征细提取结构，用于基于输入的细特征提取数据获得对应所述脉象数据的脉象检测结果；其中，所述脉象检测结果输出结构包括：数据有效判别输出结构，用于基于输入的脉象细特征提取数据输出有效脉象结果或无效脉象结果；脉率输出结构，用于基于输入的脉象细特征提取数据输出脉率监测结果。5.根据权利要求4中所述的脉象数据检测方法，其特征在于，所述数据有效判别输出结构包括：两层连接的Dense结构；和/或，所述脉率输出结构包括：两层连接的Dense结构。6.根据权利要求4中所述的脉象数据检测方法，其特征在于，所述特征粗提取结构包括：两个连接的特征粗子...

【专利技术属性】
技术研发人员：杨杰，
申请(专利权)人：上海国民集团健康科技有限公司，
类型：发明
国别省市：