一种基于生成对抗扩散模型的脉搏数据增强方法技术

本申请涉及一种基于生成对抗扩散模型的快速脉搏数据增强方法，用于更高效的进行脉搏数据增强。首先从手腕“寸”位置收集脉搏信号，对收集到的信号进行去噪和分割处理，以将原始数据转化为真实数据。然后使用真实数据训练生成对抗扩散模型(GADM)，以捕获脉搏数据的潜在分布特征，通过生成对抗扩散模型合成大量脉搏数据，可以弥补现有数据集规模不足和类别不平衡的问题。最后，将合成数据与原始数据混合，用于深度学习分类器的训练。实验结果证明本申请的方法能够有效改善脉搏疾病识别的性能。

【技术实现步骤摘要】

本申请涉及深度学习，具体地，涉及一种基于生成对抗扩散模型的脉搏数据增强方法。

技术介绍

1、脉搏是人体重要的生理参数之一，其产生受到身体多个系统的综合影响。中医通过切脉来体察患者脉象的变化，以了解疾病的位置和种类等信息。脉诊是中医“望、闻、问、切”四诊中不可或缺的步骤和方法。然而，传统中医的诊断方法存在主观性、经验依赖、信息不足、和人力成本高、透明性差以及缺乏标准化等缺点。相较之下，深度学习方法可以通过大规模数据学习模式，减少主观性和对经验的依赖，提高诊断效率和准确性。因此，近年来人们将深度学习技术广泛应用于手腕脉搏诊断。

2、在以往的脉搏诊断研究中，人们常常通过提取单周期脉搏的脉冲特征来提高分类准确率。然而，由于缺乏大型公开的脉搏数据集，这种方法在样本较少的疾病上难以实现泛化，数据不足和类别不平衡会导致深度学习模型的泛化能力下降，难以在真实临床场景中取得理想的效果。

技术实现思路

1、为了克服现有技术中的至少一个不足，本申请提供一种基于生成对抗扩散模型的脉搏数据增强方法。p>

2、第一方本文档来自技高网...

【技术保护点】

1.一种基于生成对抗扩散模型的脉搏数据增强方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，在对所述生成对抗扩散模型进行训练时，采用的总的损失函数为：

3.如权利要求2所述的方法，其特征在于，所述扩散模型的损失LDM(θ)：

4.如权利要求1所述的方法，其特征在于，所述获取初始脉搏数据集，包括：

5.一种基于生成对抗扩散模型的脉搏数据增强装置，其特征在于，包括：

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，以实现权利要求1-4任意一项所述的基于生成...

【技术特征摘要】

1.一种基于生成对抗扩散模型的脉搏数据增强方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，在对所述生成对抗扩散模型进行训练时，采用的总的损失函数为：

3.如权利要求2所述的方法，其特征在于，所述扩散模型的损失ldm(θ)：

4.如权利要求1所述的方法，其特征在于，所述获取初始脉搏数据集，包括：

5.一种基于生成对抗扩散模型的脉搏数据增强...

【专利技术属性】
技术研发人员：范琳，陈藤烨，张荣，王忠民，何浪，衡霞，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：