CN113555106A - 一种基于生成对抗网络的智能中医远程辅助诊疗平台 - Google Patents
一种基于生成对抗网络的智能中医远程辅助诊疗平台 Download PDFInfo
- Publication number
- CN113555106A CN113555106A CN202010336308.9A CN202010336308A CN113555106A CN 113555106 A CN113555106 A CN 113555106A CN 202010336308 A CN202010336308 A CN 202010336308A CN 113555106 A CN113555106 A CN 113555106A
- Authority
- CN
- China
- Prior art keywords
- user
- chinese medicine
- traditional chinese
- network
- module
- 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.)
- Granted
Links
- 239000003814 drug Substances 0.000 title claims abstract description 55
- 238000003745 diagnosis Methods 0.000 title claims abstract description 53
- 230000036541 health Effects 0.000 claims abstract description 35
- 230000003750 conditioning effect Effects 0.000 claims abstract description 27
- 238000013480 data collection Methods 0.000 claims abstract description 5
- 238000002372 labelling Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 28
- 230000004913 activation Effects 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 13
- 239000008280 blood Substances 0.000 claims description 12
- 210000004369 blood Anatomy 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 230000001815 facial effect Effects 0.000 claims description 7
- 230000007812 deficiency Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000005012 migration Effects 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims 4
- 210000000115 thoracic cavity Anatomy 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 4
- 210000000038 chest Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003042 antagnostic effect Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004092 self-diagnosis Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000005037 parasympathetic nerve Anatomy 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
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
- 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
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physical Education & Sports Medicine (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Nutrition Science (AREA)
- Alternative & Traditional Medicine (AREA)
- Pharmacology & Pharmacy (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及计算机相关技术领域,具体是一种基于生成对抗网络的智能中医远程辅助诊疗平台,包括中医数据资料收集模块、用户调理方案模型模块、用户身体状况数据采集模块、中医养生知识库模块和智能辅助诊断模块;其中,所述用户身体状况数据采集模块用于对用户身体状况进行状态信息采集;所述用户调理方案模型模块为基于生成对抗网络的用户调理方案模型模块,用于为用户推荐调理养生方案模型;所述中医数据资料收集模块用于从所述中医养生知识库模块收集样本数据集,并对收集的样本数据集进行数据增强和标签;所述智能辅助诊断模块用于接收所述状态信息,并对所述用户提供调理方案或推荐用户医生。
Description
技术领域
本发明涉及计算机相关技术领域,具体是一种基于生成对抗网络的智能中医远程辅助诊疗平台。
背景技术
随着人民生活水平的提高,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,以其通过对人体脏腑、全身脉络及血气运行与体表特征之间呈现的相关关系的研究,辩证地分析患者疾病症结所在和健康状况,影响颇为深远。但由于中医诊断技艺十分仰赖从医者长期的临床诊断经验,经验丰富的中医专家有限,无法提供海量一对一随时随地的健康指导,普通民众也不能通过直观有效的手段来辨识自身体质健康状况,也无法根据自身体质健康状况选择合适的养生方案。
现有技术中,虽然已有通过互联网进行远程在线辅助诊疗,但该诊疗***没有模拟中医诊疗的各个环节,无法全面有效评估用户健康水平。研发一款功能较完善的中医智能远程辅助诊疗平台能全面得采集患者症状信息,患者可以利用远程辅助诊疗平台长期监测自己的身体健康状况,帮助用户提高健康水平。
发明内容
本发明的目的在于提供一种基于生成对抗网络的智能中医远程辅助诊疗平台,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于生成对抗网络的智能中医远程辅助诊疗平台,包括中医数据资料收集模块、用户调理方案模型模块、用户身体状况数据采集模块、中医养生知识库模块和智能辅助诊断模块;其中,
所述用户身体状况数据采集模块用于对用户身体状况进行状态信息采集;
所述用户调理方案模型模块为基于生成对抗网络的用户调理方案模型模块,用于为用户推荐调理养生方案模型;
所述中医数据资料收集模块用于从所述中医养生知识库模块收集样本数据集,并对收集的样本数据集进行数据增强和标签;
所述智能辅助诊断模块用于接收所述状态信息,并对所述用户提供调理方案或推荐用户医生。
作为本发明进一步的方案:所述用户调理方案模型模块所采用的生成对抗网络结构的为深度卷积对抗网络,其中深度卷积对抗网络生成方法包括:
将随机噪声输入到全连接网络,通过维度变换使其成为三维张量送入到生成器网络G中,生成尽可能接近真实数据分布的样本,然后将生成的样本和收集的样本一起输入到判别器网络D中,判别器网络D输出分类结果,所述分类结果和真实结果的误差将传输到生成器网络G和判别器网络D中,整个过程进行不断得迭代。
作为本发明再进一步的方案:所述随机噪声为符合高斯分布的随机噪声。
作为本发明再进一步的方案:所述生成器网络G包括1个全连接层和5个微步卷积层,每个微步卷积层后进行批归一化和激活函数,其中前4个激活函数为ReLU函数,最后一个激活函数为Tanh函数。
作为本发明再进一步的方案:所述批归一化包括计算每个批次的数据均值、计算每个批次的数据方差、利用前两步里计算得到的均值和方差对该批次的数据进行归一化操作和尺度变换和偏移。
作为本发明再进一步的方案:所述生成器网络G损失函数为生成样本与真实样本的统计分布相匹配的特征匹配方法,表达式为:
其中,f表示判别器中间层的特征值,z表示输入噪音。
作为本发明再进一步的方案:所述判别器网络D的网络结构包括5层卷积层和3个全连接层,网络中卷积层所选取的卷积核大小为5×5,每个卷积层后都有批归一化处理和激活函数,所取激活函数为LeakReLU函数,LeakReLU在负半轴保留了斜率,可以避免训练过程中梯度消失,为了防止过拟合在全连接层加入Dropout,最后通过softmax函数输出结果,其表达式为:
其中,K为真实样本类别,K+1为生成样本类别,的最大值为类别的输出概率。
作为本发明再进一步的方案:所述判别器网络D损失函数为真实类标签分布和预测类标签的交叉熵损失函数,表达式为:
其中,x为真实样本,y为样本数据对应的类别,x,y~Pdata表示输入样本带有标签y,x~G表示x取自生成样本。
作为本发明再进一步的方案:所述用户身体状况数据采集模块用于对用户进行包括静脉气血状况、动静脉血状况、寒热虚实状况、面诊胸廓状况和心电经络状况的状态信息采集。
作为本发明再进一步的方案:所述中医养生知识库包括中医养生原理、中医养生方法和中医养生应用。
与现有技术相比,本发明的有益效果是:本发明使用生成对抗网络方法与中医知识库相结合的中医智能辅助诊疗方法,可以在用户身体健康状态的基础为用户推荐养生方案,在远程平台和线下采集数据的基础上,利用生成对抗网络进行智能化分析,与中医经典对接实现多种特征信息的融合,使得远程医疗更加接近面诊,提高就医的灵活性和有效性,帮助用户完成自我诊疗和健康管理,有效提高用户健康水平。
附图说明
图1为基于生成对抗网络的智能中医远程辅助诊疗平台的结构框图。
图2为基于生成对抗网络的智能中医远程辅助诊疗平台中生成对抗网络结构图。
图3为基于生成对抗网络的智能中医远程辅助诊疗平台中数据采集示意图。
图4为基于生成对抗网络的智能中医远程辅助诊疗平台中使用流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
另外,本发明中的元件被称为“固定于”或“设置于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
请参阅图1,本发明实施例中,一种基于生成对抗网络的智能中医远程辅助诊疗平台,包括中医数据资料收集模块、用户调理方案模型模块、用户身体状况数据采集模块、中医养生知识库模块和智能辅助诊断模块;其中,
所述用户身体状况数据采集模块用于对用户身体状况进行状态信息采集;
所述用户调理方案模型模块为基于生成对抗网络的用户调理方案模型模块,用于为用户推荐调理养生方案模型;
所述中医数据资料收集模块用于从所述中医养生知识库模块收集样本数据集,并对收集的样本数据集进行数据增强和标签;
所述智能辅助诊断模块用于接收所述状态信息,并对所述用户提供调理方案或推荐用户医生。
在本发明实施例中,使用生成对抗网络方法与中医知识库相结合的中医智能辅助诊疗方法,可以在用户身体健康状态的基础为用户推荐养生方案,在远程平台和线下采集数据的基础上,利用生成对抗网络进行智能化分析,与中医经典对接实现多种特征信息的融合,使得远程医疗更加接近面诊,提高就医的灵活性和有效性,帮助用户完成自我诊疗和健康管理,有效提高用户健康水平。
作为本发明的一种实施例,请参阅图2,所述用户调理方案模型模块所采用的生成对抗网络结构的为深度卷积对抗网络,其中深度卷积对抗网络生成方法包括:
将随机噪声输入到全连接网络,通过维度变换使其成为三维张量送入到生成器网络G中,生成尽可能接近真实数据分布的样本,然后将生成的样本和收集的样本一起输入到判别器网络D中,判别器网络D输出分类结果,所述分类结果和真实结果的误差将传输到生成器网络G和判别器网络D中,整个过程进行不断得迭代。
在本发明实施例中,所述生成器网络G生成的样本接近真实数据分布和判别器网络D对输入样本的分类能力也不断提升。
在本发明实施例中,所述随机噪声为符合高斯分布的随机噪声。
在本发明实施例中,所述生成器网络G包括1个全连接层和5个微步卷积层,每个微步卷积层后进行批归一化和激活函数,其中前4个激活函数为ReLU函数,最后一个激活函数为Tanh函数。
在本发明实施例中,所述批归一化包括计算每个批次的数据均值、计算每个批次的数据方差、利用前两步里计算得到的均值和方差对该批次的数据进行归一化操作和尺度变换和偏移。
其中,批归一化方法可以有效提升训练速度和加快收敛过程。
在本发明实施例中,所述生成器网络G损失函数为生成样本与真实样本的统计分布相匹配的特征匹配方法,表达式为:
其中,f表示判别器中间层的特征值,z表示输入噪音。
在训练过程中,将特征匹配结果作为生成器网络G的损失函数,通过最小化损失函数来匹配生成样本和真实样本,实现生成器G最大化拟合真实数据的分布。
在本发明实施例中,所述判别器网络D的网络结构包括5层卷积层和3个全连接层,网络中卷积层所选取的卷积核大小为5×5,每个卷积层后都有批归一化处理和激活函数,所取激活函数为LeakReLU函数,LeakReLU在负半轴保留了斜率,可以避免训练过程中梯度消失,为了防止过拟合在全连接层加入Dropout,最后通过softmax函数输出结果,其表达式为:
其中,K为真实样本类别,K+1为生成样本类别,的最大值为类别的输出概率。
在本发明实施例中,所述判别器网络D损失函数为真实类标签分布和预测类标签的交叉熵损失函数,表达式为:
其中,x为真实样本,y为样本数据对应的类别,x,y~Pdata表示输入样本带有标签y,x~G表示x取自生成样本。
在本发明实施例中,所述判别器网络D优化算法选取Adam优化算法,该算法可以快速迭代更新权重,所需内存较少,对于高噪声和稀疏梯度有很好的实用性,该方法可以解决模型计算所需的内存较大、数据存在噪声等问题。
作为本发明的一种实施例,请参阅图3,所述用户身体状况数据采集模块用于对用户进行包括静脉气血状况、动静脉血状况、寒热虚实状况、面诊胸廓状况和心电经络状况的状态信息采集,其中:
所述静脉气血状况主要通过指夹夹在指尖测量血液容积脉搏波形和强度,该信息能够反映血液循环是否流畅,夹不同的手指或脚趾可以反映不同经脉的气血流通状况,波形的节律变化可以测量交感神经与副交感神经的活性强弱;
所述动静脉血状况主要通过贴放在皮肤表面的光源及多光谱传感器(红绿蓝+近红外),测量皮肤表面及皮下几毫米深度的颜色信息,颜色信息是中医望诊最重要的信息之一,该过程可以克服外界环境光的干扰,颜色的波动信息可以反映动脉、静脉血及其它组织的比例,增加的红外通道提供了更多的信息;
所述寒热虚实状况主要通过红外热像图,图像包含388x284个像素点,每个点反映该位置的温度,能够直观反映人体表面各个部位的寒热虚实情况;
所述面诊胸廓状况主要通过正斜位面部图像采集方法,获得更丰富的面部信息数据采集点,提取面部形态特征;
所述心电经络状况主要通过经络检测仪器采集。
作为本发明的一种实施例,所述中医养生知识库包括中医养生原理、中医养生方法和中医养生应用。
作为本发明的一种实施例,所述智能辅助诊断通过结合用户调理方案推荐模型和中医养生知识库为用户推荐调理方案,对于那些病情严重的用户推荐用户医生。
在本发明实施例中,所述用户推荐调理方案包括饮食养生、情志养生、运动养生和按摩养生四大类。
作为本发明的一种实施例,还提出了一种基于生成对抗网络的智能中医远程辅助诊疗平台的使用方法,包括以下步骤:用户登陆平台后,连接信号采集外部设备,即可使用它进行诊断操作;用户可以清楚地根据该软件操作区的内容进行相应的操作提出远程诊断请求,采集设备开始采集用户身体状况;采集用户身体状况时,需要用户连接好传感器后静坐一小会,待身体平稳后,点击开始采集按钮,开始对身体数据进行采集;采集时间尽量持续几分钟,这样才能便于分析其中的信息参数,而且尽可能的避免做出大幅度的动作,这些都会瞬间加剧心脏跳动,使得信息产生瑕疵,降低最后的准确度;当用户采集完成后,点击停止采集按钮;采集的数据会上传到云平台,云平台进行远程智能辅助诊断,推荐用户调理方案;在诊断操作结束后,点击保存按钮即可保存诊断结果和一些诊断过程中涉及的重要参数,用户数据可以保存在数据库中以方便随时进行查询。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,包括中医数据资料收集模块、用户调理方案模型模块、用户身体状况数据采集模块、中医养生知识库模块和智能辅助诊断模块;其中,
所述用户身体状况数据采集模块用于对用户身体状况进行状态信息采集;
所述用户调理方案模型模块为基于生成对抗网络的用户调理方案模型模块,用于为用户推荐调理养生方案模型;
所述中医数据资料收集模块用于从所述中医养生知识库模块收集样本数据集,并对收集的样本数据集进行数据增强和标签;
所述智能辅助诊断模块用于接收所述状态信息,并对所述用户提供调理方案或推荐用户医生。
2.根据权利要求1所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述用户调理方案模型模块所采用的生成对抗网络结构的为深度卷积对抗网络,其中深度卷积对抗网络生成方法包括:
将随机噪声输入到全连接网络,通过维度变换使其成为三维张量送入到生成器网络G中,生成尽可能接近真实数据分布的样本,然后将生成的样本和收集的样本一起输入到判别器网络D中,判别器网络D输出分类结果,所述分类结果和真实结果的误差将传输到生成器网络G和判别器网络D中,整个过程进行不断得迭代。
3.根据权利要求2所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述随机噪声为符合高斯分布的随机噪声。
4.根据权利要求2所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述生成器网络G包括1个全连接层和5个微步卷积层,每个微步卷积层后进行批归一化和激活函数,其中前4个激活函数为ReLU函数,最后一个激活函数为Tanh函数。
5.根据权利要求3所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述批归一化包括计算每个批次的数据均值、计算每个批次的数据方差、利用前两步里计算得到的均值和方差对该批次的数据进行归一化操作和尺度变换和偏移。
9.根据权利要求1所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述用户身体状况数据采集模块用于对用户进行包括静脉气血状况、动静脉血状况、寒热虚实状况、面诊胸廓状况和心电经络状况的状态信息采集。
10.根据权利要求1所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述中医养生知识库包括中医养生原理、中医养生方法和中医养生应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010336308.9A CN113555106B (zh) | 2020-04-23 | 2020-04-23 | 一种基于生成对抗网络的智能中医远程辅助诊疗平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010336308.9A CN113555106B (zh) | 2020-04-23 | 2020-04-23 | 一种基于生成对抗网络的智能中医远程辅助诊疗平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113555106A true CN113555106A (zh) | 2021-10-26 |
CN113555106B CN113555106B (zh) | 2024-08-09 |
Family
ID=78129741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010336308.9A Active CN113555106B (zh) | 2020-04-23 | 2020-04-23 | 一种基于生成对抗网络的智能中医远程辅助诊疗平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113555106B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114613496A (zh) * | 2022-03-24 | 2022-06-10 | 姜妹英 | 基于人工智能的电子档案大数据挖掘健康评估方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106850826A (zh) * | 2017-02-23 | 2017-06-13 | 上海喆之信息科技有限公司 | 一种医疗院外远程管理*** |
CN107506603A (zh) * | 2017-09-08 | 2017-12-22 | 深圳市前海安测信息技术有限公司 | 远程中医辅助诊疗***及方法 |
CN107818822A (zh) * | 2017-10-14 | 2018-03-20 | 深圳市前海安测信息技术有限公司 | 中医治未病辅助诊疗***及其数据处理装置 |
CN107887024A (zh) * | 2017-12-14 | 2018-04-06 | 华子昂 | 基于中医机器人的智能诊断***及中医机器人 |
CN108829855A (zh) * | 2018-06-21 | 2018-11-16 | 山东大学 | 基于条件生成对抗网络的衣着穿搭推荐方法、***及介质 |
CN109222914A (zh) * | 2018-11-06 | 2019-01-18 | 北京三医智慧科技有限公司 | 基于深度学习与多光谱成像技术的中医面诊信息采集与智能化处理方法 |
WO2019024380A1 (zh) * | 2017-07-31 | 2019-02-07 | 广东工业大学 | 一种中医智能诊断方法、***及中医医疗*** |
CN109902558A (zh) * | 2019-01-15 | 2019-06-18 | 安徽理工大学 | 一种基于cnn-lstm的人体健康深度学习预测方法 |
WO2020037454A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗***及方法 |
CN111028941A (zh) * | 2019-12-10 | 2020-04-17 | 南京医科大学 | 基于生成对抗网络的tka术前临床分期智能评估方法 |
-
2020
- 2020-04-23 CN CN202010336308.9A patent/CN113555106B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106850826A (zh) * | 2017-02-23 | 2017-06-13 | 上海喆之信息科技有限公司 | 一种医疗院外远程管理*** |
WO2019024380A1 (zh) * | 2017-07-31 | 2019-02-07 | 广东工业大学 | 一种中医智能诊断方法、***及中医医疗*** |
CN107506603A (zh) * | 2017-09-08 | 2017-12-22 | 深圳市前海安测信息技术有限公司 | 远程中医辅助诊疗***及方法 |
CN107818822A (zh) * | 2017-10-14 | 2018-03-20 | 深圳市前海安测信息技术有限公司 | 中医治未病辅助诊疗***及其数据处理装置 |
CN107887024A (zh) * | 2017-12-14 | 2018-04-06 | 华子昂 | 基于中医机器人的智能诊断***及中医机器人 |
CN108829855A (zh) * | 2018-06-21 | 2018-11-16 | 山东大学 | 基于条件生成对抗网络的衣着穿搭推荐方法、***及介质 |
WO2020037454A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗***及方法 |
CN109222914A (zh) * | 2018-11-06 | 2019-01-18 | 北京三医智慧科技有限公司 | 基于深度学习与多光谱成像技术的中医面诊信息采集与智能化处理方法 |
CN109902558A (zh) * | 2019-01-15 | 2019-06-18 | 安徽理工大学 | 一种基于cnn-lstm的人体健康深度学习预测方法 |
CN111028941A (zh) * | 2019-12-10 | 2020-04-17 | 南京医科大学 | 基于生成对抗网络的tka术前临床分期智能评估方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114613496A (zh) * | 2022-03-24 | 2022-06-10 | 姜妹英 | 基于人工智能的电子档案大数据挖掘健康评估方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113555106B (zh) | 2024-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | 5G-smart diabetes: Toward personalized diabetes diagnosis with healthcare big data clouds | |
Li et al. | Multi-modal bioelectrical signal fusion analysis based on different acquisition devices and scene settings: Overview, challenges, and novel orientation | |
CN109157231A (zh) | 基于情绪刺激任务的便携式多通道抑郁倾向评估*** | |
CN107242857A (zh) | 基于深度学习的智能中医综合诊疗*** | |
CN112669967B (zh) | 一种主动式健康医疗决策辅助方法及设备 | |
CN109758160B (zh) | 一种基于lstm-rnn模型的无创血糖预测方法 | |
CN109313937A (zh) | 基于云计算平台的中医脉象辅助诊断***及方法 | |
CN107705848B (zh) | 一种根据用户健康状况推荐调理方案的方法及*** | |
CN109065162A (zh) | 一种综合性智能化诊断*** | |
Chen et al. | Machine learning method for continuous noninvasive blood pressure detection based on random forest | |
Zhou et al. | The noninvasive blood pressure measurement based on facial images processing | |
US20230107787A1 (en) | Blood pressure prediction method and device | |
CN109920535A (zh) | 一种移动中医辨证分析方法及装置 | |
CN109414177A (zh) | 基于云计算平台的中医热成像辅助诊断***及方法 | |
CN115024725A (zh) | 融合心理状态多参数检测的肿瘤治疗辅助决策*** | |
CN110575178B (zh) | 一种运动状态判断的诊断监控综合医疗***及其判断方法 | |
Gan et al. | Human-computer interaction based interface design of intelligent health detection using PCANet and multi-sensor information fusion | |
Li et al. | Noninvasive blood glucose monitoring using spatiotemporal ECG and PPG feature fusion and weight-based choquet integral multimodel approach | |
CN109313938A (zh) | 基于云计算平台的中医经络辅助诊断***及方法 | |
CN113555106B (zh) | 一种基于生成对抗网络的智能中医远程辅助诊疗平台 | |
Dahalan et al. | Heart rate events classification via explainable fuzzy logic systems | |
Mou et al. | Transfer learning with DWT based clustering for blood pressure estimation of multiple patients | |
Li et al. | A real-time affective computing platform integrated with ai system-on-chip design and multimodal signal processing system | |
CN109313933A (zh) | 基于云计算平台的手脚经络同步自助诊断***及方法 | |
CN107145757A (zh) | 中医减肥决策支持***及方法 |
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 | ||
CB02 | Change of applicant information |
Country or region after: China Address after: Building 5, 1st Floor, No. 2 Xiyuanba Road, Xihu District, Hangzhou City, Zhejiang Province, 310030 Applicant after: Zhejiang Yuantu Technology Co.,Ltd. Address before: 310030 west side, 4th floor, building 1, No. 10, xiyuansan Road, Sandun Town, Hangzhou City, Zhejiang Province Applicant before: ZHEJIANG YUANTU INTERCONNECTION TECHNOLOGY CO.,LTD. Country or region before: China |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant |