脉诊五脏状态分类方法、设备和存储介质

    公开(公告)号:CN114398933A

    公开(公告)日:2022-04-26

    申请号:CN202210085539.6

    申请日:2022-01-25

    Applicant: 五邑大学

    Abstract: 本发明公开了一种脉诊五脏状态分类方法、设备和存储介质,涉及智能中医领域,本发明的方法,包括:获取待处理数据集和五脏状态类别对应的编码标签数据;对待处理数据集进行数据处理,得到脉象信号数据集;对脉象信号数据集进行特征处理,得到二维数组数据;将二维数组数据和编码标签数据输入到脉诊五脏状态分类模型中进行分类处理,得到脉诊五脏状态分类数据;其中,脉诊五脏状态分类模型根据LightGBM最优参数训练得到,且LightGBM最优参数根据遗传算法对LightGBM算法进行参数优化后得到。通过这种脉诊五脏状态分类方法,提升对五脏状态进行脉诊分类识别的准确率,并提升脉诊五脏状态数据分类的速率。

    一种基于机器学习的中医耳部五脏区域分割方法和装置

    公开(公告)号:CN113112475B

    公开(公告)日:2023-04-18

    申请号:CN202110396463.4

    申请日:2021-04-13

    Applicant: 五邑大学

    Abstract: 本发明公开了一种基于机器学习的中医耳部五脏区域分割方法和装置,包括:采集耳部图像,建立图像数据集;对耳部图像进行标注,得到标签图像;分别扩充耳部图像和标签图像;对扩充标签图像进行Canny算子边缘检测;分别对扩充耳部图像、扩充标签图像和标签边缘图像进行预处理;利用灰度图像和二值图像生成心、肝、脾、肺、肾各单个区域边缘图像;将RGB三通道图像输入学习网络,得到预测图像;从预测图像中获得心、肝、脾、肺、肾的各单个区域预测图像;分别对预测图像进行膨胀、腐蚀处理,得到其单区域粗略边缘预测图;计算总损失函数;计算总损失函数的最小值,使学习网络收敛,利用学习网络对耳部图像进行分割,得到耳部五脏区域分割图像。

    一种基于机器学习的中医耳部五脏区域分割方法和装置

    公开(公告)号:CN113112475A

    公开(公告)日:2021-07-13

    申请号:CN202110396463.4

    申请日:2021-04-13

    Applicant: 五邑大学

    Abstract: 本发明公开了一种基于机器学习的中医耳部五脏区域分割方法和装置,包括:采集耳部图像,建立图像数据集;对耳部图像进行标注,得到标签图像;分别扩充耳部图像和标签图像;对扩充标签图像进行Canny算子边缘检测;分别对扩充耳部图像、扩充标签图像和标签边缘图像进行预处理;利用灰度图像和二值图像生成心、肝、脾、肺、肾各单个区域边缘图像;将RGB三通道图像输入学习网络,得到预测图像;从预测图像中获得心、肝、脾、肺、肾的各单个区域预测图像;分别对预测图像进行膨胀、腐蚀处理,得到其单区域粗略边缘预测图;计算总损失函数;计算总损失函数的最小值,使学习网络收敛,利用学习网络对耳部图像进行分割,得到耳部五脏区域分割图像。

    中医面色诊断方法及装置

    公开(公告)号:CN113140309A

    公开(公告)日:2021-07-20

    申请号:CN202110402088.X

    申请日:2021-04-14

    Applicant: 五邑大学

    Abstract: 本发明公开了一种中医面色诊断方法及装置。诊断方法包括:对输入图像进行肤色检测,得到人脸掩膜;对输入图像进行预处理,得到眼部增强图像;将眼部增强图像进行阈值分割,得到阈值分割结果;根据阈值分割结果和人脸掩膜分割出面部五脏区域;使用粒子群算法建立预测模型;利用预测模型对面色进行识别,得到识别结果。装置包括:图片输入模块,采集图像并将图像输入至系统中;目标分割模块,在人脸图像中分割出中医面部五脏区域;面色识别模块,使用粒子群算法训练出预测模型;健康状态判断模块,对人脸图像进行面色识别。先对图像进行预处理再进行分割,避免了直接使用阈值分割处理导致的眼睛眉毛黏在一起的问题,提高了检测精度。

    基于问闻数据的状态分类方法、设备及存储介质

    公开(公告)号:CN114496219A

    公开(公告)日:2022-05-13

    申请号:CN202210019955.6

    申请日:2022-01-10

    Applicant: 五邑大学

    Abstract: 本发明公开了一种基于问闻数据的状态分类方法、设备及存储介质,方法包括:将问诊文本待分类数据输入到预设的问诊分类模型,得到A数据,问诊分类模型根据问诊文本数据集和问诊神经网络模型训练得到;根据声诊音频待分类数据输入到预设的声诊分类模型,得到B数据,声诊分类模型根据声诊音频数据集和声诊神经网络模型训练得到;将A数据和B数据进行融合处理,得到状态分类结果。本发明能够对问诊文本待分类数据和音频数据进行分析处理,并将两个分类模型的输出进行融合,基于多种数据得到的状态分类结果准确可靠,且更具参考性,能够为后续的判断分析工作提供可靠的判断材料。

Patent Agency Ranking