CN113539486A - 一种基于中医面舌象动态变化的健康状态辨识*** - Google Patents

一种基于中医面舌象动态变化的健康状态辨识*** Download PDF

Info

Publication number
CN113539486A
CN113539486A CN202111077108.7A CN202111077108A CN113539486A CN 113539486 A CN113539486 A CN 113539486A CN 202111077108 A CN202111077108 A CN 202111077108A CN 113539486 A CN113539486 A CN 113539486A
Authority
CN
China
Prior art keywords
facial
information
user
data
chinese medicine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111077108.7A
Other languages
English (en)
Inventor
宋海贝
温川飙
孙涛
罗悦
黄宗海
封丽
赵姝婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu University of Traditional Chinese Medicine
Original Assignee
Chengdu University of Traditional Chinese Medicine
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu University of Traditional Chinese Medicine filed Critical Chengdu University of Traditional Chinese Medicine
Priority to CN202111077108.7A priority Critical patent/CN113539486A/zh
Publication of CN113539486A publication Critical patent/CN113539486A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及健康管理领域，特别是一种基于中医面舌象动态变化的健康状态辨识***。包括面舌象采集模块、信息录入模块以及服务器，所述服务器包括用户管理单元、病历管理单元以及数据处理单元。本发明通过基于长期样本数据之间的关联性，对录入的问诊信息、采集到的面舌象图片信息、声音信息进行分析，将动态采集数据的结果进行可视化展示，也可为构建知识图谱提供个体健康状态动态数据源，能够有效的对人体的疾病、健康状态进行诊断，且具备便于推广、使用方便、形式新颖、结果精确的优点。

Description

一种基于中医面舌象动态变化的健康状态辨识***
技术领域
本发明涉及健康管理领域，特别是一种基于中医面舌象动态变化的健康状态辨识***。
背景技术
中医在“治未病”方面优势显著。中医“治未病”最早源于《黄帝内经》所注：“上工治未病，不治已病，此之谓也”。“治未病”有四要点：未病先防、欲病救萌、既病防变、瘥后防复。一是指要防病于未然，指身体处于健康状态；二指疾病还处于萌芽状态或将发未发之时，就采取有效措施；三指疾病的发生后，既病后要防其传变，需及时诊断治疗；四指预防疾病复发。中医辨证讲究望、闻、问、切四诊合参，推断出病因、病位和病性等。
随着计算机技术的发展，在面舌诊方面，目前已经有许多治未病的健康管理***，也有相应的智能医疗***，通过智能医疗***采集用户图像，根据智能镜对图像上面部面型、面色、唇色、舌苔、舌形等特征进行分析，得出相应的症状信息等等。
近年来面诊、舌诊客观化研究成果显著，但是还存在很多不足。其中的关键问题就是面部、舌部信息跟个体差异关系紧密，仅仅从统一面诊、舌诊客观化标准的角度出发无法真正发挥望诊在临床诊断中的作用。当前国内外学者关于望诊标准化的研究没有结合当时的外界环境特点和病人的个体差异，也没有针对疾病的发生、发展和变化这一动态过程进行深入分析。更没有一种基于中医的动态思维、使用便捷、结果准确适用于慢性病的健康状态辨识***。
发明内容
本发明的目的在于克服现有技术中所存在的没有一种基于中医的动态思维、使用便捷、结果准确适用于慢性病的健康状态辨识***，提供一种基于中医面舌象动态变化的健康状态辨识***。
为了实现上述发明目的，本发明提供了以下技术方案：
一种基于中医面舌象动态变化的健康状态辨识***，包括面舌象采集模块、信息录入模块以及服务器，所述服务器包括用户管理单元、病历管理单元以及数据处理单元；
所述面舌象采集模块用于采集用户的面舌像数据，并上传到所述病历管理单元；
所述信息录入模块用于录入所述用户的症状调查信息以及所述用户的个人信息，并将所述症状调查信息上传到所述病历管理单元，所述个人信息上传到所述用户管理单元；
所述用户管理单元用于增删、修改以及管理所述用户的账号信息，所述账号信息包括所述个人信息；
所述病历管理单元用于存储管理所述用户的病历信息，所述病历信息包括多个时间周期采集的所述面舌像数据以及所述症状调查信息；
所述数据处理单元用于对所述病历信息进行综合分析，并输出所述用户的健康状态。本发明通过基于长期样本数据之间的关联性，对录入的问诊信息、采集到的面舌象图片信息、声音信息进行分析，将动态采集数据的结果进行可视化展示，也可为构建知识图谱提供个体健康状态动态数据源，能够有效的对人体的疾病、健康状态进行诊断，且具备便于推广、使用方便、形式新颖、结果精确的优点。
作为本发明的优选方案，所述数据处理单元执行以下流程：
S01：获取待辨识用户的病历信息；
S02：通过神经网络对所述病历信息进行预处理，获取分析数据；
S03：采用灰色关联分析法将所述分析数据与各个慢性病中医证型进行关联性分析，输出所述用户与各个中医证型的关联度；
S04：根据所述关联度，输出所述用户的健康状态。本发明以与个体关系密切的面象、舌象信息为基础，结合问诊等相关信息，通过动态监测不同时期面象、舌象及其他症状信息，分析面舌象状态与症状的关联规律；可实现基于量表法慢病信息的动态、客观化采集；同时采用灰色关联分析可对量化后的健康状态信息经过计算关联度和关联度排序探究望诊关键影响因子，实现基于中医面象舌象动态变化规律的健康状态辨识***，为中医望诊治未病提供科学有效的数据支撑和指导。
作为本发明的优选方案，所述步骤S02包括以下流程：
S021：对所述病历信息中的所述面舌象数据进行图像增强处理，对所述病历信息中的所述症状调查信息进行归类、筛选、标记、清洗、补全、离散化处理；并在归一化处理后生成症状数据表；
S022：将所述症状数据表导入到神经网络模型中进行处理，并生成分析数据。
作为本发明的优选方案，所述症状数据表包括所述面舌像数据中所述用户的面色、唇色、光泽、舌色、舌质、苔色和/或苔质，以及所述症状调查信息中所述用户的全身症状、头项症状、耳鼻喉科症状、胸腹症状、四肢症状和/或二便性状的症状信息。
作为本发明的优选方案，所述神经网络模型包括输入层、隐含层和输出层；
所述输入层的神经元的个数与变量的个数相同；
所述隐含层采用双曲正切传递函数，所述隐含层的输出
Figure 901360DEST_PATH_IMAGE001
的计算公式为：
Figure 81805DEST_PATH_IMAGE002
，
其中，
Figure 274889DEST_PATH_IMAGE003
为激励函数，
Figure 755025DEST_PATH_IMAGE004
为所述输入层到所述隐含层的权重，
Figure 541715DEST_PATH_IMAGE005
为所述输入层到所述隐含层的偏置，
Figure 650486DEST_PATH_IMAGE006
为输入层神经元的序号，
Figure 448808DEST_PATH_IMAGE007
为隐含层神经元的序号，
Figure 227409DEST_PATH_IMAGE008
为隐含层单元数；
所述输出层采用线性传递函数，所述输出层的输出
Figure 891608DEST_PATH_IMAGE009
的计算式为：
Figure 148277DEST_PATH_IMAGE010
，
其中，
Figure 332265DEST_PATH_IMAGE011
为所述隐含层到所述输出层的权重，
Figure 281766DEST_PATH_IMAGE012
为所述隐含层到所述输出层的偏置，
Figure 902103DEST_PATH_IMAGE013
为输出层神经元的序号，
Figure 572250DEST_PATH_IMAGE014
为输出层的结点个数；
所述权重以及所述偏置的初始化及更新公式为：
Figure 594433DEST_PATH_IMAGE015
，
其中，
Figure 587272DEST_PATH_IMAGE016
为期望输出结果，
Figure 570272DEST_PATH_IMAGE017
为学习速率。
作为本发明的优选方案，所述步骤S03包括以下流程：
S031：将所述分析数据转换为比较序列
Figure 558956DEST_PATH_IMAGE018
，并将各个慢性病中医证型录入到参考序列
Figure 451957DEST_PATH_IMAGE019
中，
Figure 743261DEST_PATH_IMAGE020
，
Figure 338191DEST_PATH_IMAGE021
，
Figure 5932DEST_PATH_IMAGE022
为比较序列中的特征序号，
Figure 19019DEST_PATH_IMAGE023
为采集的时间序号；
S032：采用均值化法对所述比较序列
Figure 340279DEST_PATH_IMAGE024
进行预处理，计算式如下：
Figure 563450DEST_PATH_IMAGE025
，
Figure 379090DEST_PATH_IMAGE026
为比较序列均值；
S033：根据下式计算所述比较序列
Figure 371317DEST_PATH_IMAGE027
中各项参数与所述参考序列中对应参数的关联系数：
Figure 394637DEST_PATH_IMAGE028
，
其中
Figure 105104DEST_PATH_IMAGE029
为分辨系数，
Figure 455926DEST_PATH_IMAGE030
；
S034：根据下式求取所述比较序列
Figure 692872DEST_PATH_IMAGE027
与每个特征
Figure 496880DEST_PATH_IMAGE031
的关联度
Figure 570010DEST_PATH_IMAGE032
：
Figure 117666DEST_PATH_IMAGE033
，
S035：将所述关联度
Figure 943539DEST_PATH_IMAGE032
按由大到小排序。
作为本发明的优选方案，所述面舌象采集模块设有麦克风传感器，用于采集所述用户的语音数据，并输入到所述数据处理单元进行分析。本发明通过对语音数据的采集和分析，扩大了分析数据的范围，也有效地提高了本发明辨识结果的准确性和可靠性。
作为本发明的优选方案，所述***包括以下执行流程：
S11：所述用户在所述信息录入模块输入对应的账号密码进行登录；若所述用户未注册账号则进行账号注册流程；所述账号注册流程包括个人信息录入以及密码设置；
S12：通过所述面舌象采集模块采集面舌像数据，采集完成后将所述面舌像数据上传至所述病历管理单元；
S13：通过所述麦克风传感器采集语音数据，采集完成后将所述语音数据上传至所述病历管理单元；
S14：通过所述信息录入模块填写症状调查信息，采集完成后将所述症状调查信息上传至所述病历管理单元；
S15：所述数据处理单元用于对所述病历信息进行综合分析，并输出所述用户的健康状态。
作为本发明的优选方案，所述执行流程按照1周1次的频率采集数据，并按时间标签存入所述病历管理单元。
本发明按1周1次的频率采集数据，为构建知识图谱提供个体健康状态动态数据源，也使得输出结果更加准确可靠。
作为本发明的优选方案，所述***还包括结果可视化模块，用于展示所述用户的健康状态，并显示对应的健康提示。
与现有技术相比，本发明的有益效果：
1.本发明通过基于长期样本数据之间的关联性，对录入的问诊信息、采集到的面舌象图片信息、声音信息进行分析，将动态采集数据的结果进行可视化展示，也可为构建知识图谱提供个体健康状态动态数据源，能够有效的对人体的疾病、健康状态进行诊断，且具备便于推广、使用方便、形式新颖、结果精确的优点。
2.本发明以与个体关系密切的面象、舌象信息为基础，结合问诊等相关信息，通过动态监测不同时期面象、舌象及其他症状信息，分析面舌象状态与症状的关联规律；可实现基于量表法慢病信息的动态、客观化采集；同时采用灰色关联分析可对量化后的健康状态信息经过计算关联度和关联度排序探究望诊关键影响因子，实现基于中医面象舌象动态变化规律的健康状态辨识***，为中医望诊治未病提供科学有效的数据支撑和指导。
3.本发明通过对语音数据的采集和分析，扩大了分析数据的范围，也有效地提高了本发明辨识结果的准确性和可靠性。
4.本发明按1周1次的频率采集数据，为构建知识图谱提供个体健康状态动态数据源，也使得输出结果更加准确可靠。
附图说明
图1为本发明实施例1所述的一种基于中医面舌象动态变化的健康状态辨识***的结构示意图；
图2为本发明实施例1所述的一种基于中医面舌象动态变化的健康状态辨识***中症候辨识的神经网络模型的结构示意图；
图3为本发明实施例1所述的一种基于中医面舌象动态变化的健康状态辨识***的辨识工作流程示意图；
图4为本发明实施例1所述的一种基于中医面舌象动态变化的健康状态辨识***中所述数据处理单元的工作流程；
图5为本发明实施例1所述的一种基于中医面舌象动态变化的健康状态辨识***中舌体图片分割示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
如图1所示，一种基于中医面舌象动态变化的健康状态辨识***，包括面舌象采集模块、信息录入模块以及服务器（所述服务器可采用云端服务器），所述服务器包括用户管理单元、病历管理单元以及数据处理单元；
所述面舌象采集模块用于采集用户的面舌像数据，并上传到所述病历管理单元；其中，面象采集时需要满足以下要求：（1）露出完整面部，面部正面完整位于采集面罩内；（2）最好不要化妆，以免影响面色信息及唇色信息的采集。舌象采集时需要满足以下要求：（1）露出完整口腔，舌头正面完全伸出；（2）最好不要吃可以影响舌头颜色的食物。完成采集后在所述信息录入模块上点击提交按钮将面舌象数据上传到服务器的病历管理单元。
同时，所述面舌象采集模块还包括麦克风传感器，通过数字硅晶麦克风传感器进行声音信息的采集，并在所述数据测量模块进行分析，判断是否存在病变声音。病变声音是疾病反映于声音和语言上的变化。听病变的声音，主要是辨别用户的语声、鼻鼾、咳嗽、喷嚏、呵欠、太息等异常声音。语言的辨别，则主要分析用户语言的表达与应答能力有无异常以及吐字是否清晰等。病变声音包括辨语声、语言、呼吸、咳嗽、呕吐、呃逆、嗳气、叹息、鼻鼾、喷嚏、肠鸣与振水声等内容。音频数据处理过程中将wav格式的音频文件导入Praat语音分析软件，提取用户发声时声腔的共鸣频率，即第一共振峰（First Formant，F1）、第二共振峰（Second Formant，F2）、第三共振峰（Third Formant，F3）、第四共振峰（Fourth Formant，F4），共计四个反映语音特征的指标。语音信号的预处理可以针对一段声音波形，精确选择起始端点与结束端点，从而准确地截取语音信号的有效部分，良好的预处理不仅能够去除不必要的噪音，同时能保证截取语音信息的一致性。
所述信息录入模块用于录入所述用户的症状调查信息以及所述用户的个人信息，并将所述症状调查信息上传到所述病历管理单元，所述个人信息上传到所述用户管理单元；其中，所述症状调查信息以50-60道选择题的形式给出可能出现的症状，用户根据严重程度进行如实填写，这些问题根据常见慢病中医诊疗指南和姚乃礼老师主编的第二版《中医症状鉴别诊断学》进行制定，覆盖全身症状、头项症状、胸腹症状、四肢症状、二便情况等方面。
所述用户管理单元用于增删、修改以及管理所述用户的账号信息，所述账号信息包括所述个人信息；用户需要以有效的电话号码进行注册，并设置对应的密码，登录时以注册时登记的电话号码及密码进行登录。所述个人信息包括个人基本信息和个人生活习惯信息两大类。个人基本信息包括姓名、年龄、性别、联系电话、常驻地址、职业、学历、有无过敏史等内容。个人生活习惯信息包括疾病状态、特殊期类型、饮食睡眠习惯、运动习惯、情绪状态、家庭氛围、等内容、加班出差情况、身高、体重等内容。且所述个人信息可在登录后根据实际情况选择修改。
所述病历管理单元用于存储管理所述用户的病历信息，所述病历信息包括多个时间周期采集的所述面舌像数据以及所述症状调查信息；
所述数据处理单元用于对所述病历信息进行综合分析，并输出所述用户的健康状态。如图2所示，所述数据处理单元通过深度学习技术构建症候辨识的神经网络模型，即通过数据驱动的方式训练并得到以“分类后面舌象+中医其它四诊信息”为输入向量、“症候分类”为输出标签的症候辨识模型（例如对于慢性阻塞性肺疾病（Chronic ObstructivePulmoriary Disease，COPD）的中医证型分为风寒袭肺证、外寒内饮证、痰热壅肺证、痰浊阻肺证、痰蒙神窍证、肺气虚证、肺脾气虚证、肺肾气虚证、肺肾气阴两虚证、兼证-血瘀证这10种类型，通过神经网络算法进行不同中医证型的识别分类）。并采用灰色关联分析法完成面舌象与慢性病症状的关联性分析，通过横向和纵向双向比较对个性化数据和共通性数据进行不同分析。在个人横向数据中，当面舌象出现频率高于第一预设值（例如70%）时，恒定不变的面色、舌色、苔色以及其他症状信息，则认为是常色或者常态的表现，当面舌象出现频率低于第二预设值（例如30%）时，则认为是客色或者异态的表现，需要根据疾病中医指南给与健康警告。而对于不同人群的纵向数据的处理采用灰色关联分析法进行完成面舌象与慢性病中医证型的关联性分析。本***辨识工作流程如图3所示。
如图4所示，所述数据处理单元执行以下流程：
S01：获取待辨识用户的病历信息；
S02：通过神经网络对所述病历信息进行预处理，获取分析数据；
S021：对所述病历信息预处理后，归一化生成症状数据表；面舌象数据的预处理包括基于传统形态学的处理、基于水平翻转平移等图像增强处理，增强样本容量；症状调查信息的预处理包括原始样本进行归类、筛选、标记、清洗、补全、离散化，去除内容不完整、有误的数据。输入向量的归一化处理主要针对中医四诊信息进行标准化，拟参照中华人民共和国国家标准《中医基础理论术语》并结合姚乃礼老师主编的第二版《中医症状鉴别诊断学》对原始样本中的舌象症状进行规范。输出标签的归一化处理主要针对舌象证候分类进行规范化，拟参照行业标准《ZY/T001.1.94中医病证诊断与疗效标准》。所述症状数据表包括所述面舌像数据中所述用户的面色、唇色、光泽、舌色、舌质、苔色和/或苔质，以及所述症状调查信息中所述用户的全身症状、头项症状、耳鼻喉科症状、胸腹症状、四肢症状和/或二便性状的症状信息。
S022：将所述症状数据表导入到神经网络模型中进行处理，并生成分析数据（所述神经网络模型采用历史标注样本训练得到，所述历史标注样本随机分组为80%训练集与20%测试集）；如图5所示，为本发明进行舌体图片分割示意图，在卷积神经网络和ReLU函数之间进行批归一化（Batch Normalization），使得训练深层网络模型更加容易和稳定。如果实际应用的样本与训练样本分布不同，即发生了协方差偏移，则一般是要对模型重新进行训练的。在神经网络，尤其是深度神经网络中，协方差偏移会导致模型预测效果变差，重新的训练模型各隐藏层的和均产生偏移和变化。而批归一化（Batch Normalization）减少了各层权重之间的耦合性，对个隐藏层输出进行均值和方差的归一化处理，让各层更加独立，实现自我训练学习的效果，让模型变得更加健壮，鲁棒性更强。
其中，所述神经网络模型包括输入层、隐含层和输出层；
所述输入层的神经元的个数与变量的个数相同；
所述隐含层采用双曲正切传递函数，所述隐含层的输出
Figure 184028DEST_PATH_IMAGE034
的计算公式为：
Figure 478874DEST_PATH_IMAGE035
，
其中，
Figure 830221DEST_PATH_IMAGE036
为激励函数，
Figure 510601DEST_PATH_IMAGE037
为所述输入层到所述隐含层的权重，
Figure 797357DEST_PATH_IMAGE038
为所述输入层到所述隐含层的偏置，
Figure 704133DEST_PATH_IMAGE039
为输入层神经元的序号，
Figure 452646DEST_PATH_IMAGE040
为隐含层神经元的序号，
Figure 394057DEST_PATH_IMAGE041
为隐含层单元数；
所述输出层采用线性传递函数，所述输出层的输出
Figure 583206DEST_PATH_IMAGE042
的计算式为：
Figure 101912DEST_PATH_IMAGE043
，
其中，
Figure 529482DEST_PATH_IMAGE044
为所述隐含层到所述输出层的权重，
Figure 404028DEST_PATH_IMAGE045
为所述隐含层到所述输出层的偏置，
Figure 281854DEST_PATH_IMAGE046
为输出层神经元的序号，
Figure 163223DEST_PATH_IMAGE047
为输出层的结点个数；
所述权重以及所述偏置的初始化及更新公式为：
Figure 535429DEST_PATH_IMAGE048
，
其中，
Figure 185853DEST_PATH_IMAGE049
为期望输出结果，
Figure 703422DEST_PATH_IMAGE050
为学习速率。
S03：采用灰色关联分析法将所述分析数据（本发明选用10项数据进行分析）与某慢性病中医证型进行关联性分析，输出所述用户与各个中医证型的关联度；其中，灰色关联分析法是根据***内部各因素之间的相似或相异程度来衡量因素之间的关联程度，是一种量化比较分析。进行灰色关联分析首先要指定参考序列。基于灰色关联分析的面舌象动态变化规律分析算法包括如下几个步骤：
S031：将所述分析数据转换为比较序列
Figure 947453DEST_PATH_IMAGE051
，并将某慢性病中医证型录入到参考序列
Figure 716826DEST_PATH_IMAGE052
（例如慢性阻塞性肺疾病中医证型的10种分类）中，
Figure 611970DEST_PATH_IMAGE053
，
Figure 441385DEST_PATH_IMAGE054
，
Figure 169782DEST_PATH_IMAGE055
为比较序列中的不同症状的序号，
Figure 867480DEST_PATH_IMAGE056
为采集的时间序号；具体关联分析内容如表1所示。
表1 面舌象特征与COPD中医证型关联分析数值内容
Figure 226917DEST_PATH_IMAGE057
S032：由于***中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。本发明采用均值化法，即将各个序列的统计值与整条序列的均值作比值进行预处理，计算式如下：
Figure 368180DEST_PATH_IMAGE058
，
Figure 180278DEST_PATH_IMAGE059
为比较序列均值。
S033：根据下式计算所述比较序列
Figure 947246DEST_PATH_IMAGE060
中各项参数与所述参考序列中对应参数的关联系数：
Figure 426768DEST_PATH_IMAGE061
，
其中
Figure 473353DEST_PATH_IMAGE062
为分辨系数，
Figure 162960DEST_PATH_IMAGE063
；
Figure 77827DEST_PATH_IMAGE062
越小，分辨力越大，一般情况下
Figure 287222DEST_PATH_IMAGE062
的取值区间为（0，1），本申请取值为0.5。
S034：因为关联系数是比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻（即曲线中的各点）的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度
Figure 894921DEST_PATH_IMAGE064
公式如下：
Figure 71825DEST_PATH_IMAGE065
S035：将所述关联度
Figure 790382DEST_PATH_IMAGE064
按由大到小排序。
S04：根据所述关联度，输出所述用户的健康状态。
其中，灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对***内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。
实施例2
本实施例与实施例1的区别在于，所述步骤S031采用灰色关联分析法将所述分析数据（约10项）与某慢性病典型其他症状（如COPD的典型症状有嗜睡、多汗、鼻塞、关节疼痛等，约40种症状）进行关联性分析，输出所述用户与各典型症状的关联度，所述步骤具体为：
S031：将所述分析数据转换为比较序列
Figure 851354DEST_PATH_IMAGE060
，并将某慢性病典型其他症状（如COPD的典型症状有嗜睡、多汗、鼻塞、关节疼痛等，约40项）录入到参考序列
Figure 754588DEST_PATH_IMAGE066
中，
Figure 28575DEST_PATH_IMAGE067
，
Figure 426189DEST_PATH_IMAGE068
，
Figure 593865DEST_PATH_IMAGE069
为比较序列中的不同症状序号，
Figure 543367DEST_PATH_IMAGE070
为采集的时间序号；具体关联分析内容如表2所示。
表2 面舌象特征与COPD其他典型症状关联分析数值内容
Figure 180016DEST_PATH_IMAGE071
实施例3
本实施例与实施例1的区别在于，所述***还包括结果可视化模块，用于展示所述用户的健康状态，并显示对应的健康提示。且该模块还能够通过实体抽取、属性识别、关系抽取、知识评估等步骤进行相关数据知识库的构建，并在实现过程中不断进行知识库的更新。通过几何图、星团图等形式对上述关联分析结果进行可视化。
实施例4
本实施例为实施例1或实施例2所述***的执行流程：
S11：所述用户在所述信息录入模块输入对应的账号密码进行登录；若所述用户未注册账号则进行账号注册流程；所述账号注册流程包括个人信息录入以及密码设置；
S12：通过所述面舌象采集模块采集面舌像数据，采集完成后将所述面舌像数据上传至所述病历管理单元；
S13：通过所述麦克风传感器采集语音数据，采集完成后将所述语音数据上传至所述病历管理单元；
S14：通过所述信息录入模块填写症状调查信息，采集完成后将所述症状调查信息上传至所述病历管理单元；
S15：所述数据处理单元用于对所述病历信息进行综合分析，并输出所述用户的健康状态。
且所述执行流程按照1周1次的频率采集数据，并按时间标签存入所述病历管理单元。且本***可应用于以下情况：
（1）用于家庭及各类医疗机构常规提示性检测设备。可作为家庭、各级医院、社区医疗机构、乡镇诊所的检测设备。
（2）为中医临床辨证提供量化依据。采集面舌象图片、音频数据、问诊信息作为针灸经穴及补泻手法的选择提供量化依据，提供面象和舌象信息与中医证型之间的关联性，辅助临床精确诊断。
（3）为普通慢性病患者提供疾病变化预警。对于慢性病患者，长期进行病情稳定性控制，而面象和舌象的变化早于疾病的恶化，长期健康监测有助于患者提前掌握自身病情，及时就医治疗。
（4）早期疾病提示。对神经***、消化***、内分泌***、循环***、泌尿***、******、呼吸***、运动***等各类易患疾病有较准确的提示与判断。特别对高血压、糖尿病、慢性心力衰竭、慢性肺阻病、慢性肾功能不全、认知功能障碍等常见慢性疾病有一定的前瞻性提示或警示作用。
（5）病情疗效评价观察。对临床治疗效果，包括药品、保健品应用效果进行客观评估，并能跟踪观察疾病转归化数据变化的动态过程。
（6）界定人体亚健康。对人体的精神活动、心理活动、植物神经活动、疲劳综合症等亚健康的状态提供的准确的量化数据，并做出提示性判断。
（7）全身检。可用于人群健康筛查或某些***疾病的筛查。提示人体体能、神经、循环、消化代谢、免疫、内分泌、骨骼、运动***及内脏器官生理病理状况。也可作为心理疾病诊断的参考指标。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，包括面舌象采集模块、信息录入模块以及服务器，所述服务器包括用户管理单元、病历管理单元以及数据处理单元；
所述面舌象采集模块用于采集用户的面舌像数据，并上传到所述病历管理单元；
所述信息录入模块用于录入所述用户的症状调查信息以及所述用户的个人信息，并将所述症状调查信息上传到所述病历管理单元，所述个人信息上传到所述用户管理单元；
所述用户管理单元用于增删、修改以及管理所述用户的账号信息，所述账号信息包括所述个人信息；
所述病历管理单元用于存储管理所述用户的病历信息，所述病历信息包括多个时间周期采集的所述面舌像数据以及所述症状调查信息；
所述数据处理单元用于对所述病历信息进行综合分析，并输出所述用户的健康状态。
2.根据权利要求1所述的一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，所述数据处理单元执行以下流程：
S01：获取待辨识用户的病历信息；
S02：通过神经网络对所述病历信息进行预处理，获取分析数据；
S03：采用灰色关联分析法将所述分析数据与各个慢性病中医证型进行关联性分析，输出所述用户与各个中医证型的关联度；
S04：根据所述关联度，输出所述用户的健康状态。
3.根据权利要求2所述的一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，所述步骤S02包括以下流程：
S021：对所述病历信息中的所述面舌象数据进行图像增强处理，对所述病历信息中的所述症状调查信息进行归类、筛选、标记、清洗、补全、离散化处理；并在归一化处理后生成症状数据表；
S022：将所述症状数据表导入到神经网络模型中进行处理，并生成分析数据。
4.根据权利要求3所述的一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，所述症状数据表包括所述面舌像数据中所述用户的面色、唇色、光泽、舌色、舌质、苔色和/或苔质，以及所述症状调查信息中所述用户的全身症状、头项症状、耳鼻喉科症状、胸腹症状、四肢症状和/或二便性状的症状信息。
5.根据权利要求3所述的一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，所述神经网络模型包括输入层、隐含层和输出层；
所述输入层的神经元的个数与变量的个数相同；
所述隐含层采用双曲正切传递函数，所述隐含层的输出
Figure 597402DEST_PATH_IMAGE001
的计算公式为：
Figure 444135DEST_PATH_IMAGE002
，
其中，
Figure 638356DEST_PATH_IMAGE003
为激励函数，
Figure 304961DEST_PATH_IMAGE004
为所述输入层到所述隐含层的权重，
Figure 993562DEST_PATH_IMAGE005
为所述输入层到所述隐含层的偏置，
Figure 288277DEST_PATH_IMAGE006
为输入层神经元的序号，
Figure 138553DEST_PATH_IMAGE007
为隐含层神经元的序号，
Figure 558033DEST_PATH_IMAGE008
为隐含层单元数；
所述输出层采用线性传递函数，所述输出层的输出
Figure 34013DEST_PATH_IMAGE009
的计算式为：
Figure 589760DEST_PATH_IMAGE010
，
其中，
Figure 876516DEST_PATH_IMAGE011
为所述隐含层到所述输出层的权重，
Figure 642346DEST_PATH_IMAGE012
为所述隐含层到所述输出层的偏置，
Figure 797384DEST_PATH_IMAGE013
为输出层神经元的序号，
Figure 345653DEST_PATH_IMAGE014
为输出层的结点个数；
所述权重以及所述偏置的初始化及更新公式为：
Figure 521419DEST_PATH_IMAGE015
，
其中，
Figure 649912DEST_PATH_IMAGE016
为期望输出结果，
Figure 218428DEST_PATH_IMAGE017
为学习速率。
6.根据权利要求2所述的一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，所述步骤S03包括以下流程：
S031：将所述分析数据转换为比较序列
Figure 873400DEST_PATH_IMAGE018
，并将各个慢性病中医证型录入到参考序列
Figure 361013DEST_PATH_IMAGE019
中，
Figure 117748DEST_PATH_IMAGE020
，
Figure 349009DEST_PATH_IMAGE021
，
Figure 124067DEST_PATH_IMAGE022
为比较序列中的特征序号，
Figure 657947DEST_PATH_IMAGE023
为采集的时间序号；
S032：采用均值化法对所述比较序列
Figure 761033DEST_PATH_IMAGE024
进行预处理，计算式如下：
Figure 920619DEST_PATH_IMAGE025
，
Figure 691128DEST_PATH_IMAGE026
为比较序列均值；
S033：根据下式计算所述比较序列
Figure 392981DEST_PATH_IMAGE024
中各项参数与所述参考序列中对应参数的关联系数：
Figure 983362DEST_PATH_IMAGE027
，
其中
Figure 681060DEST_PATH_IMAGE028
为分辨系数，
Figure 181442DEST_PATH_IMAGE029
；
S034：根据下式求取所述比较序列
Figure 181759DEST_PATH_IMAGE024
与每个特征
Figure 118491DEST_PATH_IMAGE022
的关联度
Figure 370612DEST_PATH_IMAGE030
：
Figure 584556DEST_PATH_IMAGE031
S035：将所述关联度
Figure 880408DEST_PATH_IMAGE030
按由大到小排序。
7.根据权利要求1所述的一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，所述面舌象采集模块设有麦克风传感器，用于采集所述用户的语音数据，并输入到所述数据处理单元进行分析。
8.根据权利要求7所述的一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，所述***包括以下执行流程：
S11：所述用户在所述信息录入模块输入对应的账号密码进行登录；若所述用户未注册账号则进行账号注册流程；所述账号注册流程包括个人信息录入以及密码设置；
S12：通过所述面舌象采集模块采集面舌像数据，采集完成后将所述面舌像数据上传至所述病历管理单元；
S13：通过所述麦克风传感器采集语音数据，采集完成后将所述语音数据上传至所述病历管理单元；
S14：通过所述信息录入模块填写症状调查信息，采集完成后将所述症状调查信息上传至所述病历管理单元；
S15：所述数据处理单元用于对所述病历信息进行综合分析，并输出所述用户的健康状态。
9.根据权利要求8所述的一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，所述执行流程按照1周1次的频率进行数据采集，并按时间标签存入所述病历管理单元。
10.根据权利要求1所述的一种基于中医面舌象动态变化的健康状态辨识***，其特征在于，所述***还包括结果可视化模块，用于展示所述用户的健康状态，并显示对应的健康提示。
CN202111077108.7A 2021-09-15 2021-09-15 一种基于中医面舌象动态变化的健康状态辨识*** Pending CN113539486A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111077108.7A CN113539486A (zh) 2021-09-15 2021-09-15 一种基于中医面舌象动态变化的健康状态辨识***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111077108.7A CN113539486A (zh) 2021-09-15 2021-09-15 一种基于中医面舌象动态变化的健康状态辨识***

Publications (1)

Publication Number Publication Date
CN113539486A true CN113539486A (zh) 2021-10-22

Family

ID=78092625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111077108.7A Pending CN113539486A (zh) 2021-09-15 2021-09-15 一种基于中医面舌象动态变化的健康状态辨识***

Country Status (1)

Country Link
CN (1) CN113539486A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115206523A (zh) * 2022-08-10 2022-10-18 重庆乾坤济实业集团有限公司 一种健康管理评估***及其方法
CN116784804A (zh) * 2023-07-19 2023-09-22 湖南云医链生物科技有限公司 一种未病分析评估***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295139A (zh) * 2016-07-29 2017-01-04 姹ゅ钩 一种基于深度卷积神经网络的舌体自诊健康云服务***
CN106446533A (zh) * 2016-09-12 2017-02-22 北京和信康科技有限公司 一种人体健康数据处理***及其方法
CN107330889A (zh) * 2017-07-11 2017-11-07 北京工业大学 一种基于卷积神经网络的中医舌色苔色自动分析方法
CN110299193A (zh) * 2019-06-27 2019-10-01 合肥云诊信息科技有限公司 基于人工智能舌诊的中医健康云服务方法
CN110432864A (zh) * 2019-07-19 2019-11-12 成都中医药大学 一种中医体质动态变化辨识方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295139A (zh) * 2016-07-29 2017-01-04 姹ゅ钩 一种基于深度卷积神经网络的舌体自诊健康云服务***
CN106446533A (zh) * 2016-09-12 2017-02-22 北京和信康科技有限公司 一种人体健康数据处理***及其方法
CN107330889A (zh) * 2017-07-11 2017-11-07 北京工业大学 一种基于卷积神经网络的中医舌色苔色自动分析方法
CN110299193A (zh) * 2019-06-27 2019-10-01 合肥云诊信息科技有限公司 基于人工智能舌诊的中医健康云服务方法
CN110432864A (zh) * 2019-07-19 2019-11-12 成都中医药大学 一种中医体质动态变化辨识方法及***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周霞等: "灰色关联分析在医学中的应用", 《辽宁中医杂志》 *
宋海贝等: "基于 AI 的中医舌象面象辅助诊疗***构建", 《时珍国医国药》 *
章浩伟等: "基于灰色关联分析的中医肝炎肝硬化诊断方法", 《计算机工程与应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115206523A (zh) * 2022-08-10 2022-10-18 重庆乾坤济实业集团有限公司 一种健康管理评估***及其方法
CN116784804A (zh) * 2023-07-19 2023-09-22 湖南云医链生物科技有限公司 一种未病分析评估***

Similar Documents

Publication Publication Date Title
KR102630580B1 (ko) 호흡기 질병 진단을 위한 질병 시그니처를 이용한 기침 소리 분석 방법
Tracy et al. Investigating voice as a biomarker: deep phenotyping methods for early detection of Parkinson's disease
CN106725532B (zh) 基于语音特征与机器学习的抑郁症自动评估***和方法
CN103458777B (zh) 用于吞咽损伤检测的方法和设备
Roy et al. Evidence-based clinical voice assessment: a systematic review
Niu et al. Detection of sputum by interpreting the time-frequency distribution of respiratory sound signal using image processing techniques
CN112166475A (zh) 基于呼吸***的声音管理呼吸状况
KR102091832B1 (ko) 멀티미디어 정보를 이용한 휴대용 체외진단키트 해석장치
CN113539486A (zh) 一种基于中医面舌象动态变化的健康状态辨识***
CN108597621B (zh) 基于中医理论的健康状态监控装置、***及方法
CN114334123A (zh) 一种适用于轻度认知障碍快速检测的认知测评体系
Coyle et al. High-resolution cervical auscultation and data science: new tools to address an old problem
CN109346164A (zh) 一种中医临床案例的自动采集设备及方法
CN115714022A (zh) 基于人工智能的新生儿黄疸健康管理***
CN113658697B (zh) 一种基于视频注视差异的心理测评***
CN115337000B (zh) 基于脑结构影像评估疾病引起大脑衰老的机器学习方法
CN116484290A (zh) 一种基于Stacking集成的抑郁症识别模型构建方法
CN113729708B (zh) 一种基于眼动技术的谎言评判方法
CN115497621A (zh) 一种老年人认知状况测评***
Dong et al. Data-driven based four examinations in TCM: a survey
Barlow et al. The Use of Deep Learning Software in the Detection of Voice Disorders: A Systematic Review
Muralikrishna Efficient Detection of Parkinson Disease Using Multiple Machine Learning Techniques
Wang Research on a New AI Diagnostic Model with Strong Universality Based on Multilayer Perceptron Neural Networks
CN117789987B (zh) 一种内分泌科康复评估模型的构建方法及***
Joshi Manisha et al. Computerized pragmatic assessment of Prakriti Dosha using tongue images-Pilot study

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211022