脉象诊断分类方法、数据库构建方法、装置及存储介质制造方法及图纸

本发明专利技术揭示了一种脉象诊断分类方法、数据库构建方法、装置及存储介质，分类方法包括：获取参考脉象数据组，以及与标准脉象数据组对应的脉象类别信息；根据所述参考脉搏数据和所述参考诊断数据，构建诊断识别模型；根据所述标准诊断数据和所述脉象类别信息，构建脉象分类模型；接收并将待诊脉搏数据依次输入所述诊断识别模型和所述脉象分类模型，得到对应的诊断分类信息。本发明专利技术提供的脉象诊断分类方法，使得用于进行脉象分类的数据具有明确的特征指向性，能够提升分类过程的针对性和分类结果的准确性。准确性。准确性。

【技术实现步骤摘要】
脉象诊断分类方法、数据库构建方法、装置及存储介质


[0001]本专利技术涉及中医诊脉
，尤其涉及一种脉象诊断分类方法、数据库构建方法、装置及存储介质。

技术介绍

[0002]“望、闻、问、切”四诊是中华民族传统医学(简称中医，下同)对病人进行诊断的方法，其中的“切”通常代表脉诊，中医医师通过手指触压患者寸口桡动脉处的寸、关、尺三个部位，分别施加诸如浮、中、沉等不同压力，感受位于中医中手太阴肺经的动脉处的波动，通过对包含有脉搏的位置、强弱、趋势、形状、宽度和节律等信息的脉搏数据进行分析，了解患者当前各种维度下的脉象，以分析判断患者当前的生理状态。由于脉搏数据的采集无需对患者进行创伤性操作，也无需采集人体的体液或其他分泌物进行高精度分析，能够使中医医师快速掌握患者病情并对症下药，因此具有极强的发展需求。
[0003]现有技术中，通常单独将标准脉象所对应的脉搏数据进行预设，并将采集到的患者脉搏数据与预设的脉搏数据进行数值上或者波形上的比对，从而对患者的脉象进行诊断和分类，但由于脉搏波形和数据的不稳定性，且标准脉象所对应的不同脉搏数据之间可能存在交叉，导致对患者脉象的分析判断精度较差，甚至无法得出可用的脉象诊断分类结果。

技术实现思路

[0004]本专利技术的目的之一在于提供一种脉象诊断分类方法，以解决现有技术中依据脉搏数据的数值和波形本身进行脉象诊断分类，所导致的判断结果精度差，甚至无法得到有效可用的诊断分类结果的技术问题。
[0005]本专利技术的目的之一在于提供一种脉象诊断分类装置。
[0006]本专利技术的目的之一在于提供一种存储介质。
[0007]本专利技术的目的之一在于提供一种脉象诊断分类数据库构建方法。
[0008]为实现上述专利技术目的之一，本专利技术一实施方式提供一种脉象诊断分类方法，包括：获取参考脉象数据组，以及与标准脉象数据组对应的脉象类别信息；其中，所述参考脉象数据组包括参考脉搏数据和参考诊断数据，所述参考诊断数据包括所述标准脉象数据组的标准诊断数据；根据所述参考脉搏数据和所述参考诊断数据，构建诊断识别模型；根据所述标准诊断数据和所述脉象类别信息，构建脉象分类模型；接收待诊脉搏数据并将待诊脉搏数据依次输入所述诊断识别模型和所述脉象分类模型，得到对应的诊断分类信息。
[0009]作为本专利技术一实施方式的进一步改进，所述方法具体包括：搭建决策树分类模型框架，对所述标准诊断数据的内容进行维度类型分类，并基于分类结果生成决策树的若干内部节点；以所述脉象类别信息作为决策树的叶节点，并根据所述标准诊断数据与所述脉象类别信息之间的对应关系，构建得到决策树分类模型作为所述脉象分类模型。
[0010]作为本专利技术一实施方式的进一步改进，所述决策树分类模型框架基于sklearn模型；所述方法具体包括：调用预设的CART算法，根据所述分类结果对所述标准诊断数据进行
处理，生成决策树的所述若干内部节点。
[0011]作为本专利技术一实施方式的进一步改进，所述参考脉象数据组包括所述标准脉象数据组和样本患者数据组，所述标准脉象数据组包括所述标准诊断数据和标准脉搏数据，所述样本患者数据组包括样本脉搏数据和样本诊断数据。
[0012]作为本专利技术一实施方式的进一步改进，所述方法具体包括：按照预设比例对所述标准诊断数据进行划分，得到第一标准诊断数据集合和第二标准诊断数据集合；搭建弱监督分类模型框架，以所述第一标准诊断数据集合和所述样本诊断数据共同作为分类模型训练集，以所述第一标准诊断数据集合对应的若干脉象类别信息作为标签，训练得到初始分类模型；以所述第二标准诊断数据集合作为分类模型测试集，以所述第二标准诊断数据集合对应的若干脉象类别信息作为标签，对所述初始分类模型进行测试优化，构建得到弱监督分类模型作为所述脉象分类模型。
[0013]作为本专利技术一实施方式的进一步改进，所述方法具体包括：搭建神经网络模型框架，以所述标准脉搏数据和所述样本脉搏数据中一部分作为识别模型训练集，以所述标准脉搏数据对应的标准诊断数据作为其标签，以所述样本脉搏数据对应的样本诊断数据作为其标签，训练得到初始识别模型；以所述标准脉搏数据和所述样本脉搏数据中另一部分作为识别模型测试集，对所述初始识别模型进行测试优化，构建得到神经网络模型作为所述诊断识别模型。
[0014]作为本专利技术一实施方式的进一步改进，所述脉象类别信息包括浮脉、洪脉、濡脉、散脉、芤脉、革脉、沉脉、伏脉、牢脉、弱脉、迟脉、缓脉、涩脉、结脉、数脉、促脉、疾脉、动脉、虚脉、微脉、细脉、代脉、短脉、实脉、滑脉、紧脉、长脉、弦脉中至少部分。
[0015]作为本专利技术一实施方式的进一步改进，所述参考诊断数据包括参考脉名信息和参考节律信息。
[0016]作为本专利技术一实施方式的进一步改进，对应于每种参考脉搏数据的所述参考节律信息为节律正常类判定信息、不齐类判定信息、节律结代类判定信息和节律促类判定信息其中之一；对应于每种参考脉搏数据的所述参考脉名信息为脉名平类判定信息、弦一类判定信息、弦二类判定信息、弦三类判定信息、弦四类判定信息、滑类判定信息、平滑类判定信息、平弦类判定信息、弦滑类判定信息、涩类判定信息、芤类判定信息、濡类判定信息、虚类判定信息、实类判定信息、弱类判定信息、微类判定信息、散类判定信息、革类判定信息、牢类判定信息、紧类判定信息、洪类判定信息、细类判定信息、脉名浮类判定信息、脉名沉类判定信息、脉名迟类判定信息、脉名缓类判定信息、脉名数类判定信息、脉名疾类判定信息、脉名结代类判定信息和脉名促类判定信息其中之一。
[0017]作为本专利技术一实施方式的进一步改进，所述方法具体包括：接收并根据对应于所述参考脉搏数据的参考脉位信息、参考脉力信息、参考脉势信息、参考脉率信息、参考脉形信息，确定所述参考脉名信息。
[0018]作为本专利技术一实施方式的进一步改进，对应于每种参考脉搏数据的所述参考脉位信息为脉位浮类判定信息、中类判定信息和脉位沉类判定信息其中之一；对应于每种参考脉搏数据的所述参考脉力信息为有力类判定信息、中力类判定信息和无力类判定信息其中之一；对应于每种参考脉搏数据的所述参考脉势信息为满实类判定信息、脉势正常类判定信息、低乎虚类判定信息和中空虚类判定信息其中之一；对应于每种参考脉搏数据的所述
参考脉率信息为脉率迟类判定信息、脉率缓类判定信息、脉率平类判定信息、带数类判定信息、脉率数类判定信息和脉率疾类判定信息其中之一；对应于每种参考脉搏数据的所述参考脉形信息为单主波判定信息、主前组合波判定信息、主重组合波判定信息、主前重组合波判定信息其中之一。
[0019]为实现上述专利技术目的之一，本专利技术一实施方式提供一种脉象诊断分类装置，包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的脉象诊断分类程序，所述脉象诊断分类程序被所述处理器执行时，实现上述任一种技术方案所述的脉象诊断分类方法。
[0020]为实现上述专利技术目的之一，本专利技术一实施方式提供一种存储介质，其上存储有应用程序，该应用程序被执行时，实现上述任本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脉象诊断分类方法，其特征在于，包括：获取参考脉象数据组，以及与标准脉象数据组对应的脉象类别信息；其中，所述参考脉象数据组包括参考脉搏数据和参考诊断数据，所述参考诊断数据包括所述标准脉象数据组的标准诊断数据；根据所述参考脉搏数据和所述参考诊断数据，构建诊断识别模型；根据所述标准诊断数据和所述脉象类别信息，构建脉象分类模型；接收待诊脉搏数据并将待诊脉搏数据依次输入所述诊断识别模型和所述脉象分类模型，得到对应的诊断分类信息。2.根据权利要求1所述的脉象诊断分类方法，其特征在于，所述方法具体包括：搭建决策树分类模型框架，对所述标准诊断数据的内容进行维度类型分类，并基于分类结果生成决策树的若干内部节点；以所述脉象类别信息作为决策树的叶节点，并根据所述标准诊断数据与所述脉象类别信息之间的对应关系，构建得到决策树分类模型作为所述脉象分类模型。3.根据权利要求2所述的脉象诊断分类方法，其特征在于，所述决策树分类模型框架基于sklearn模型；所述方法具体包括：调用预设的CART算法，根据所述分类结果对所述标准诊断数据进行处理，生成决策树的所述若干内部节点。4.根据权利要求1所述的脉象诊断分类方法，其特征在于，所述参考脉象数据组包括所述标准脉象数据组和样本患者数据组，所述标准脉象数据组包括所述标准诊断数据和标准脉搏数据，所述样本患者数据组包括样本脉搏数据和样本诊断数据。5.根据权利要求4所述的脉象诊断分类方法，其特征在于，所述方法具体包括：按照预设比例对所述标准诊断数据进行划分，得到第一标准诊断数据集合和第二标准诊断数据集合；搭建弱监督分类模型框架，以所述第一标准诊断数据集合和所述样本诊断数据共同作为分类模型训练集，以所述第一标准诊断数据集合对应的若干脉象类别信息作为标签，训练得到初始分类模型；以所述第二标准诊断数据集合作为分类模型测试集，以所述第二标准诊断数据集合对应的若干脉象类别信息作为标签，对所述初始分类模型进行测试优化，构建得到弱监督分类模型作为所述脉象分类模型。6.根据权利要求4所述的脉象诊断分类方法，其特征在于，所述方法具体包括：搭建神经网络模型框架，以所述标准脉搏数据和所述样本脉搏数据中一部分作为识别模型训练集，以所述标准脉搏数据对应的标准诊断数据作为其标签，以所述样本脉搏数据对应的样本诊断数据作为其标签，训练得到初始识别模型；以所述标准脉搏数据和所述样本脉搏数据中另一部分作为识别模型测试集，对所述初始识别模型进行测试优化，构建得到神经网络模型作为所述诊断识别模型。7.根据权利要求1所述的脉象诊断分类方法，其特征在于，所述脉象类别信息包括浮脉、洪脉、濡脉、散脉、芤脉、革脉、沉脉、伏脉、牢脉、弱脉、迟脉、缓脉、涩脉、结脉、数脉、促脉、疾脉、动脉、虚脉、微脉、细脉、代脉、短脉、实脉、滑脉、紧脉、长脉、弦脉中至少部分。8.根据权利要求1所述的脉象诊断分类方法，其特征在于，所述参考诊断数据包括参考
脉名信息和参考节律信息。9.根据权利要求8所述的脉象诊断分类方法，其特征在于，对应于每种参考脉搏数据的所述参考节律信息为节律正常类判定信息、不齐类判定信息、节律结代类判定信...

【专利技术属性】
技术研发人员：段晓东，史心群，
申请(专利权)人：无锡市华焯光电科技有限公司，
类型：发明
国别省市：