一种中医非接触无感智能号脉方法及装置与流程

本技术涉及智能号脉，尤其涉及一种中医非接触无感智能号脉方法及装置。

背景技术：

1、中医脉诊作为传统医学诊断的核心手段之一，其诊断结果依赖医师通过手指按压桡动脉寸、关、尺三部位，凭借经验感知脉搏的脉率、脉势、脉形等特征，进而判断机体证型。但传统脉诊方法存在显著局限：一方面，诊断过程需物理接触按压皮肤，按压力度、时长易干扰脉搏信号的真实性，且接触式采集易受皮肤状态、外界压力等因素影响，导致信号失真；另一方面，脉诊结果高度依赖医师个人经验，缺乏统一的量化标准，不同医师对同一脉象的判断易出现偏差，诊断一致性难以保障。

2、随着智能医疗技术的发展，现有智能号脉技术尝试通过传感器采集脉搏信号实现自动化诊断，但仍存在诸多不足：

3、首先，部分技术采用单一传感器采集信号，仅能捕捉脉搏的局部特征，无法多维度反映脉搏的完整信息，导致特征提取片面。

4、其次，传统智能号脉技术对脉搏的时序依赖关系、动态变化规律捕捉不足，难以全面反映脉率稳定性、脉律规整度等关键动态信息，导致难以将抽象的脉象特征转化为可计算、可对比的参考指标，影响诊断精度。

5、最后，现有脉证匹配方法多采用均等权重融合脉诊特征，未能识别不同特征对证型判断的核心作用，易受次要特征干扰，导致证型预测的准确率偏低。

技术实现思路

1、为了解决上述问题，第一方面，本发明提供了一种中医非接触无感智能号脉方法，包括：

2、构建多源协同传感阵列，通过多源协同传感阵列采集太赫兹波相位变化信号和表皮微振动信号；

3、对太赫兹波相位变化信号和表皮微振动信号进行预处理，获得脉搏信号；

4、构建脉诊参考值提取模型，将脉搏信号输入脉诊参考值提取模型进行空间特征提取、时序特征提取和参考值向量映射，获得脉诊参考值向量集合，脉诊参考值向量集合包括脉率参考值向量、脉势参考值向量、脉形参考值向量、脉宽参考值向量和脉律参考值向量；

5、构建中医脉证匹配模型，将脉诊参考值向量集合输入中医脉证匹配模型进行特征提取、注意力加权融合和脉象证型预测，获得脉象证型结果。

6、可选的，所述通过多源协同传感阵列采集太赫兹波相位变化信号和表皮微振动信号，包括：

7、多源协同传感阵列包括太赫兹波探测器和激光多普勒振动传感器，以桡动脉的寸、关、尺三部位在腕部皮肤表面的投影中心为顶点构成等边三角形投影；

8、将太赫兹波探测器设置在等边三角形投影的中心，通过太赫兹波探测器采集太赫兹波相位变化信号；

9、将激光多普勒振动传感器设置在等边三角形投影的正上方，通过激光多普勒振动传感器采集表皮微振动信号。

10、可选的，所述对太赫兹波相位变化信号和表皮微振动信号进行预处理，获得脉搏信号，包括：

11、对太赫兹波相位变化信号和表皮微振动信号进行干扰噪声去除、小波阈值去噪和归一化，获得优化太赫兹波相位变化信号和优化表皮微振动信号；

12、通过动态权重数据融合算法对优化太赫兹波相位变化信号和优化表皮微振动信号进行加权融合，获得脉搏信号。

13、可选的，所述脉诊参考值提取模型包括输入层、卷积特征提取网络、时序特征捕捉网络和全连接层，卷积特征提取网络包括多个卷积层和多个最大池化层，时序特征捕捉网络包括多个lstm层。

14、可选的，所述将脉搏信号输入脉诊参考值提取模型进行空间特征提取、时序特征提取和参考值向量映射，获得脉诊参考值向量集合，包括：

15、将脉搏信号按照时间顺序排列为脉搏信号序列，通过输入层将脉搏信号序列转化为脉搏特征序列；

16、将脉搏特征序列输入卷积特征提取网络，通过卷积层和最大池化层捕捉脉搏特征之间的局部空间特征和全局空间特征，获得空间特征集合，空间特征集合包括峰值特征和波形轮廓特征；

17、将脉搏特征序列输入时序特征捕捉网络，通过lstm层捕捉脉搏特征之间的时序依赖关系，获得时序特征集合，时序特征集合包括脉搏周期特征、幅值变化速率特征、超阈值时间特征和相邻波动周期时间差特征；

18、通过全连接层将脉搏周期特征映射为脉率参考值向量，将峰值特征和幅值变化速率特征的加权特征映射为脉势参考值向量，将波形轮廓特征映射为脉形参考值向量，将超阈值时间特征映射为脉宽参考值向量，将相邻波动周期时间差特征映射为脉律参考值向量；

19、由脉率参考值向量、脉势参考值向量、脉形参考值向量、脉宽参考值向量和脉律参考值向量组成脉诊参考值向量集合。

20、可选的，所述中医脉证匹配模型包括特征输入层、注意力加权网络、脉证匹配网络和结果输出层，注意力加权网络包括注意力机制层，脉证匹配网络包括全连接层。

21、可选的，所述将脉诊参考值向量集合输入中医脉证匹配模型进行特征提取、注意力加权融合和脉象证型预测，获得脉象证型结果，包括：

22、通过特征输入层对脉诊参考值向量集合进行特征提取，获得脉诊特征集合，脉诊特征集合包括脉率特征、脉势特征、脉形特征、脉宽特征和脉律特征；

23、将脉诊特征集合输入注意力加权网络，通过注意力机制层对脉率特征、脉势特征、脉形特征、脉宽特征和脉律特征进行注意力加权融合，获得融合特征；

24、将融合特征输入脉证匹配网络，通过全连接层将融合特征映射为脉象证型概率向量，将脉象证型概率向量中概率最大的脉象证型作为脉象证型结果。

25、第二方面，本发明提供了一种中医非接触无感智能号脉装置，用于实现所述的中医非接触无感智能号脉方法，所述装置包括：

26、多源信号采集模块，用于构建多源协同传感阵列，通过多源协同传感阵列采集太赫兹波相位变化信号和表皮微振动信号；

27、脉搏信号获取模块，用于对太赫兹波相位变化信号和表皮微振动信号进行预处理，获得脉搏信号；

28、脉诊参考值向量集合获取模块，用于构建脉诊参考值提取模型，将脉搏信号输入脉诊参考值提取模型进行空间特征提取、时序特征提取和参考值向量映射，获得脉诊参考值向量集合，脉诊参考值向量集合包括脉率参考值向量、脉势参考值向量、脉形参考值向量、脉宽参考值向量和脉律参考值向量；

29、脉象证型结果获取模块，用于构建中医脉证匹配模型，将脉诊参考值向量集合输入中医脉证匹配模型进行特征提取、注意力加权融合和脉象证型预测，获得脉象证型结果。

30、第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的中医非接触无感智能号脉方法。

31、第四方面，本发明提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的中医非接触无感智能号脉方法。

32、本发明具有以下有益效果：

33、1、通过多源协同传感阵列采集太赫兹波相位变化信号和表皮微振动信号，无需物理接触皮肤，避免按压干扰脉搏信号；结合太赫兹波相位变化信号与表皮微振动信号，多维度捕捉脉搏信号，弥补单一传感器的信号局限；通过脉诊参考值提取模型将抽象脉象转化为可量化的参考值向量集合，提高了脉诊的精确度；通过中医脉证匹配模型自动识别不同脉诊特征对证型判断的重要性，将脉诊参考值向量集合转化为脉象证型结果，提高了智能号脉的精度。

34、2、脉诊参考值提取模型包括输入层、卷积特征提取网络、时序特征捕捉网络和全连接层，通过卷积特征提取网络精准捕捉峰值、波形轮廓等空间特征，量化脉形、脉势的视觉化差异，兼顾局部细节与全局结构；通过时序特征捕捉网络捕捉脉搏周期、幅值变化速率等时序特征，填补传统脉诊对脉率稳定性、脉律规整度动态信息的缺失问题；依托全连接层建立特征-脉诊维度的精准映射，将各类特征转化为覆盖脉诊全维度的脉诊参考值向量集合，实现脉诊的具体量化，提高脉象证型的预测精度。

35、3、中医脉证匹配模型包括特征输入层、注意力加权网络、脉证匹配网络和结果输出层，注意力加权网络通过注意力机制层对五类特征动态加权，能自动识别不同特征对证型判断的核心作用，强化关键特征的影响，弱化次要特征的干扰，让融合特征更聚焦于证型相关的核心信息，大幅提升后续匹配的精准度；脉证匹配网络将融合特征映射为脉象证型概率向量，并选取概率最大的证型作为结果，将脉诊转化为量化概率，让辨证结果更具可信度与可追溯性，实现高精度的非接触无感智能号脉。