一种基于人工智能的中医健康状态辨识方法

摘要

本发明涉及一种基于人工智能的中医健康状态辨识方法，包括以下步骤：收集复数个原始样本，所述原始样本包括对应中医理论的望、闻、问、切的人体健康数据；训练可根据人体健康数据输出不同特征参数的特征识别模型；将各特征提取网络输出的不同特征参数进行特征融合，形成诊断样本；训练可根据不同特征参数评估中医健康状态的中医健康状态评估模型；采集用户的人体健康数据，将人体健康参数输入特征识别模型，通过中医健康状态评估模型输出该用户的中医健康状态的评估结论。

说明书

技术领域

本发明涉及一种基于人工智能的中医健康状态辨识方法，属于人工智能和公共卫生技术领域。

背景技术

如何基于传统中医学理论，系统、科学地分析中医健康状态，得出个人中医健康指数及主要健康问题，是实现全方位、个性化的健康管理的关键。传统的中医诊断步骤包括望、闻、问、切四个方面。但传统中医因受主客观因素影响，实现中医诊断定量化、标准化较难，严重制约了中医临床应用及发展。借助计算机以及人工智能技术识别望诊、闻诊、问诊、切诊信息已成为研究热点之一。

发明内容

为了解决上述现有技术中存在的问题，本发明提出了一种基于人工智能的中医健康状态辨识方法，利用计算机和人工智能技术解决了传统中医的问、闻、望、切等诊断方法，能够实现对健康状态数据实时、动态采集，并可在没有医生介入情况下，自助完成整个状态评估。

本发明的技术方案如下：

一种基于人工智能的中医健康状态辨识方法，包括以下步骤：

获取原始样本，收集复数个原始样本，所述原始样本包括对应中医理论的望、闻、问、切的人体健康数据，将所有原始样本放入第一训练集中；

创建特征识别模型，由复数个神经网络组成，各所述神经网络的输入均为原始样本，输出分别为人体健康数据的不同特征参数，通过第一训练集中的原始样本分别对各所述神经网络进行训练，得到可根据人体健康数据输出不同特征参数的特征提取网络；

构建诊断样本，将每一个原始样本输入至特征识别模型中，将各特征提取网络输出的不同特征参数进行特征融合，形成诊断样本，对各诊断样本进行添加标签，所述标签为中医健康状态诊断结论；

创建中医健康状态评估模型，建立第二神经网络，将各诊断样本作为第二神经网络的输入，将对应的标签作为第二神经网络的输出，对第二神经网络进行训练，得到可根据不同特征参数评估中医健康状态的中医健康状态评估模型；将训练好的特征识别模型的输出端与中医健康状态评估模型的输入端进行连接；

中医健康状态辨识，采集用户的人体健康数据，将人体健康参数输入特征识别模型，通过中医健康状态评估模型输出该用户的中医健康状态的评估结论。

进一步的，所述对应中医理论的望、闻、问、切的人体健康数据具体包括但不限于既往病史信息、人脸图像、舌像、人声音频数据以及通过问卷调查获取的个人生活习惯和健康状态特征。

进一步的，所述创建特征识别模型具体包括：

脏器健康识别模型，该模型输入为既往病史信息，输出各个脏器的健康状态指数；

人脸特征识别模型，该模型输入为人脸图像，利用AAM方法提取人脸特征点，得到表征脸型的特征参数，并利用SVM-RBF方法进行脸型分类；

舌像识别模型，该模型输入为舌像，并利用InceptionV4网络进行训练，输出舌苔特征参数；

音频识别模型，该模型输入为人声音频数据，利用LSTM网络进行训练，输出能表征健康状态的声音特征；

健康分类模型，该模型的输入为通过问卷调查获取的个人生活习惯和健康状态特征，利用CNN网络提取不同的个人生活习惯和健康状态特征并进行分类，输出用户的生活状态类别。

进一步的，所述第二神经网络包括特征融合操作、全连接操作依据Softmax分类器。

进一步的，将所述特征识别模型与中医健康状态评估模型植入APP客户端中，通过搭载APP客户端的终端进行人体健康参数采集以及中医健康状态评估。

本发明具有如下有益效果：

本发明利用计算机和人工智能技术解决了传统中医的问、闻、望、切等诊断方法，能够实现对健康状态数据实时、动态采集，并可在没有医生介入情况下，自助完成整个状态评估。与现有一些方法相比，本发明采集信息更丰富，流程更简单、检测过程时间更短，辨识的健康状态要素更多。

附图说明

图1为本发明实施例的流程图；

图2至图4为利用APP客户端进行人体健康参数采集以及中医健康状态评估的示例图。

具体实施方式

下面结合附图和具体实施例来对本发明进行详细的说明。

参见图1，一种基于人工智能的中医健康状态辨识方法，包括以下步骤：

获取原始样本，收集复数个原始样本，所述原始样本包括对应中医理论的望、闻、问、切的人体健康数据，将所有原始样本放入第一训练集中；

创建特征识别模型，由复数个神经网络组成，各所述神经网络的输入均为原始样本，输出分别为人体健康数据的不同特征参数，通过第一训练集中的原始样本分别对各所述神经网络进行训练，得到可根据人体健康数据输出不同特征参数的特征提取网络；

构建诊断样本，将每一个原始样本输入至特征识别模型中，将各特征提取网络输出的不同特征参数进行特征融合，形成诊断样本，对各诊断样本进行添加标签，所述标签为中医健康状态诊断结论，中医健康状态诊断结论包括人体各部位的健康状态指数和人体性质(阴虚、阳虚、气虚、血虚、热、痰、寒、气滞、水湿、火热)表现；

创建中医健康状态评估模型，建立第二神经网络，将各诊断样本作为第二神经网络的输入，将对应的标签作为第二神经网络的输出，对第二神经网络进行训练，得到可根据不同特征参数评估中医健康状态的中医健康状态评估模型；将训练好的特征识别模型的输出端与中医健康状态评估模型的输入端进行连接；

中医健康状态辨识，采集用户的人体健康数据，将人体健康参数输入特征识别模型，通过中医健康状态评估模型输出该用户的中医健康状态的评估结论。

进一步的，所述对应中医理论的望、闻、问、切的人体健康数据具体包括但不限于：

既往病史信息,包括曾经患过病史和家族病史；

人脸图像，通过手动拍摄脸型图像，得到只有人脸的图像；

舌像，通过手动拍摄得到舌头部位的图像；

人声音频数据，通过手动录制用户一段语音数字音频，得到音频数据；

以及通过问卷调查获取的用户食欲、饮食习惯、饮食结构、口味、睡眠情况、大小便情况、身体不适情况等个人生活习惯和健康状态特征。

进一步的，所述创建特征识别模型具体包括：

脏器健康识别模型，该模型输入为既往病史信息，输出肝、肾、脾、心、胆、肺等主要部位健康状态指数；

人脸特征识别模型，该模型输入为人脸图像，利用AAM方法提取人脸特征点，得到表征脸型的特征参数，并利用SVM-RBF方法进行脸型分类；

舌像识别模型，该模型输入为舌像，并利用InceptionV4网络进行训练，输出舌苔特征参数；

音频识别模型，该模型输入为人声音频数据，利用LSTM网络进行训练，输出能表征健康状态的声音特征；

健康分类模型，该模型的输入为通过问卷调查获取的个人生活习惯和健康状态特征，利用CNN网络提取不同的个人生活习惯和健康状态特征并进行分类，输出用户的生活状态类别。

进一步的，所述第二神经网络包括特征融合操作、全连接操作依据Softmax分类器。

进一步的，参见图2至图4，将所述特征识别模型与中医健康状态评估模型植入APP客户端中，通过搭载APP客户端的终端进行人体健康参数采集以及中医健康状态评估，还可以通过APP进行健康状态解读以及养生指导。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。