一种基于APP多功能电子针灸系统

一种基于app多功能电子针灸系统
技术领域
1.本发明属于电子针灸技术领域，尤其涉及一种基于app多功能电子针灸系统。


背景技术：

2.电子针灸和传统的针灸不一样，电子针灸通过音频脉冲来刺激穴位，也和普通的电针不一样，不用银针，不刺破皮肤，无任何创伤和副作用。摒弃了传统针灸的缺点，继承发扬了传统针灸的优点。传统针灸能治的病它都能治。然而，现有基于app多功能电子针灸系统针灸时对情绪识别方法，虽然将表情、语音等非生理表情与脑电、心率等生理因素结合进行情绪识别，但是其中，对语音信号等采集，会带来脑电、心率等干扰问题，使得情绪识别准确性受到影响；同时，现有的电子针灸模拟不能对电子针灸模拟进行精准的控制，电子针灸模拟效果可控度低的缺点。
3.综上所述，现有技术存在的问题是：现有基于app多功能电子针灸系统针灸时对情绪识别方法，虽然将表情、语音等非生理表情与脑电、心率等生理因素结合进行情绪识别，但是其中，对语音信号等采集，会带来脑电、心率等干扰问题，使得情绪识别准确性受到影响；同时，现有的电子针灸模拟不能对电子针灸模拟进行精准的控制，电子针灸模拟效果可控度低的缺点。


技术实现要素：

4.针对现有技术存在的问题，本发明提供了一种基于app多功能电子针灸系统。
5.本发明是这样实现的，一种基于app多功能电子针灸系统包括：
6.供电模块、身体信息采集模块、主控模块、脉冲模块、针灸模块、情绪分析模块、针灸模拟模块、显示模块；
7.供电模块，与主控模块连接，用于为基于app多功能电子针灸系统供电；
8.身体信息采集模块，与主控模块连接，用于采集用户身体轮廓信息和体重信息；
9.主控模块，与供电模块、身体信息采集模块、脉冲模块、针灸模块、情绪分析模块、针灸模拟模块、显示模块连接，用于控制各个模块正常工作；
10.脉冲模块，与主控模块连接，用于通过脉冲电路产生脉冲来刺激穴位；
11.所述脉冲电路产生脉冲的方法包括：建立脉冲的退化机理模型，确定优化框架；
12.构造用于建模脉冲异常刺激的数据项；选取先验项，结合数据项构造脉冲非盲目反卷积模型；利用迭代重加权最小二乘算法和共轭梯度法对非盲目反卷积模型进行数值优化求解，得到刺激轨迹；所述构造数据项来建模脉冲异常刺激方法具体包括：
13.(1)选取如下非线性函数剔除椒盐异常刺激的影响：
[0014][0015]
其中，a和b为函数参数，a控制着函数在截断处的非线性程度，b控制着截断点，x为轨迹点的灰度值；为a＝5e2,b＝0.1时函数t(x)的曲线，；
[0016]
(2)联合l1范数和上式所示的非线性函数构造如下式所示的数据项：
[0017][0018]
其中i是刺激轨迹索引。
[0019]
所述非盲目反卷积模型求解方法具体包括：
[0020]
(1)将非盲反卷积模型变形为如下式所示的加权最小二乘形式：
[0021][0022]
其中，w,wh和wv为权重对角矩阵，其对角元素的值计算如下所示：
[0023][0024][0025]
其中，i为矩阵元素索引，t'(|(kx-y)i|)为非线性函数t(|(kx-y)i|的导函数；
[0026]
(2)对最小二乘形式的非盲目反卷积模型中的能量函数求导，并令导数等于0，得到如下线性方程：
[0027][0028]
令b＝k
t
w2y，a是对称正定矩阵，则上式轭梯度法求解；
[0029]
针灸模块，与主控模块连接，用于通过电子触头连接脉冲电路对穴位进行针灸操作；
[0030]
情绪分析模块，与主控模块连接，用于对针灸过程用户情绪变化进行分析；
[0031]
针灸模拟模块，与主控模块连接，用于对针灸进行模拟；
[0032]
显示模块，与主控模块连接，用于显示身体信息、情绪分析结果、针灸模拟信息。
[0033]
进一步，所述情绪分析模块分析方法如下：
[0034]
(1)获取被治疗用户的身体状况信息；并采集电子针灸时用户表情图像，对采集的表情图像进行处理，通过gabor小波变换提取表情的gabor小波特征；
[0035]
(2)采集电子针灸时用户的脑电曲线图像，采用均匀局部二值模式uplbp提取脑电曲线图像的纹理特征，并对图片进行降维处理；
[0036]
(3)采用cnn-lstm网络对步骤一和步骤二中提取的特征进行多模态特征融合，并进行情绪分类；
[0037]
(4)根据情绪分类结果给出电子针灸系统操作建议，进行电子针灸力度或频率的调整；
[0038]
进一步，所述多模态特征融合及情绪分类的具体处理过程包括：
[0039]
将得到的表情图像的gabor小波特征和步骤二得到的脑电曲线图像的特征融合成
一个特征向量；
[0040]
所述融合成一个特征向量具体包括：对提取的不同模态图像的特征采用可变权重的稀疏化线性融合进行加权处理，合成一个特征向量，特征融合加权公式表示如下：
[0041]
o(x)＝γk(x) (1-γ)f(x)(1)
[0042]
其中：
[0043]
k(x)表示脑电曲线图像的特征；
[0044]
f(x)表示表情特征；
[0045]
γ为不同性格对脑电曲线影响的经验权重系数；
[0046]
将融合后的特征向量转换成张量形式，通过设置不同的一次训练所选取的样本数batch_size的值，进行迭代，并从每次迭代训练中随机取出训练样本作为cnn-lstm网络的输入数据，输入到cnn-lstm网络；
[0047]
调节cnn网络初始结构和网络参数，进行迭代；调整初始结构和网络参数具体包括：调整cnn网络初始结构中卷积层的层数和网络参数学习率，选取使网络精度和所消耗的时间最优的cnn网络初始结构和网络参数；
[0048]
在cnn网络经过多层卷积池化提取图片的特征，得到五维张量特征图；
[0049]
在不改变特征图内数值的前提下，将五维张量特征图变换成符合lstm输入要求的三维张量特征图，并输入到lstm层进行处理；
[0050]
将lstm层的输出输入到全连接层和函数层进行svm分类；
[0051]
经过svm分类，依据svm的输入特征向量所对应的情绪分类做训练，选择向量所对应的情绪分类的损失函数值最小的特征代表该情绪的类别，得到一维数组的情绪分类结果，并保存训练好的神经网络，所述一维数组包含有对应于样本训练后的预测情绪分类信息；
[0052]
比较预测情绪分类信息与实际情绪分类信息，得到训练好的神经网络的预测准确率，并通过识别的准确率，不断修正特征融合加权公式中脑电曲线图像的特征和面部表情特征所占权重比。
[0053]
进一步，所述函数层采用的损失函数为softmax函数。
[0054]
进一步，所述针灸模拟模块模拟方法如下：
[0055]
1)通过数据库程序构建模拟数据库；获取第一条件数据参数，所述数据参数包括环境数据和/或所述用户的生理数据；将获取数据存入模拟数据库进行保存；根据所述第一数据参数，确定设置在可穿戴装置上的被激活的电子针灸模拟器及所述针灸模拟器的模拟模式；
[0056]
2)控制所述电子针灸模拟器按照所述模拟模式对所贴附的人体位置输出电子针灸模拟信号；获取电子针灸模拟时的用户的第二数据参数，并基于所述第二数据参数进行预设处理，将获取数据存入模拟数据库进行保存。
[0057]
进一步，所述获取第一数据参数之前，还包括：
[0058]
获取所述用户的特征信息；
[0059]
根据所述特征信息确定需要采集的所述第一生理数据。
[0060]
进一步，所述根据所述第一数据参数，确定设置在可穿戴装置上的电子针灸模拟器及所述电子针灸模拟器的模拟模式，包括；
[0061]
将所述第一数据参数与预先存储的参考参数进行比较，根据比较结果，确定激活的设置在可穿戴装置上的一个或多个电子针灸模拟器的位置；
[0062]
根据所述比较结果，确定激活的所述电子针灸模拟器的所述模拟模式。
[0063]
进一步，所述模拟模式包括：模拟信号的种类及相应的电子针灸模拟参数。
[0064]
进一步，所述对所述第二数据参数进行预设处理，包括：
[0065]
对所述第二数据参数进行分析，以更新用户的使用效果数据。
[0066]
进一步，所述获取电子针灸模拟时的用户的第二数据参数，并基于所述第二数据参数进行预设处理，包括：
[0067]
获取所述用户的所述第二数据参数；
[0068]
基于获取到的所述第二数据参数对所述模拟模式进行调整。
[0069]
本发明的优点及积极效果为：本发明通过情绪分析模块采用的均匀局部二值模式uplbp对脑电信号进行特征提取，解决了其他几种模式二进制模式过多的问题，uplbp对二进制模式进行降维，使得二进制模式种类大大减少，但是保存的纹理特征数据没有变化，但是数据总量由2p种，减少为p(p-1) 2种，在特征向量的降维下明显削弱异常刺激的干扰；同时，通过针灸模拟模块能够客观对电子针灸模拟的效果进行评价；且能够根据得到的第二数据参数对电子针灸模拟的数据进行有针对性的调整，从而提高了电子针灸模拟效果的可控度。
[0070]
所述脉冲电路产生脉冲的方法包括：建立脉冲的退化机理模型，确定优化框架；
[0071]
构造用于建模脉冲异常刺激的数据项；选取先验项，结合数据项构造脉冲非盲目反卷积模型；利用迭代重加权最小二乘算法和共轭梯度法对非盲目反卷积模型进行数值优化求解，得到刺激轨迹；可实现刺激轨迹准确控制。
附图说明
[0072]
图1是本发明实施例提供的基于app多功能电子针灸系统结构框图。
[0073]
图2是本发明实施例提供的情绪分析模块分析方法流程图。
[0074]
图3是本发明实施例提供的针灸模拟模块模拟方法流程图。
[0075]
图1中：1、供电模块；2、身体信息采集模块；3、主控模块；4、脉冲模块；5、针灸模块；6、情绪分析模块；7、针灸模拟模块；8、显示模块。
具体实施方式
[0076]
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
[0077]
下面结合附图对本发明的结构作详细的描述。
[0078]
如图1所示，本发明实施例提供的基于app多功能电子针灸系统包括：供电模块1、身体信息采集模块2、主控模块3、脉冲模块4、针灸模块5、情绪分析模块6、针灸模拟模块7、显示模块8。
[0079]
供电模块1，与主控模块3连接，用于为基于app多功能电子针灸系统供电；
[0080]
身体信息采集模块2，与主控模块3连接，用于采集用户身体轮廓信息和体重信息；
[0081]
主控模块3，与供电模块1、身体信息采集模块2、脉冲模块4、针灸模块5、情绪分析
模块6、针灸模拟模块7、显示模块8连接，用于控制各个模块正常工作；
[0082]
脉冲模块4，与主控模块3连接，用于通过脉冲电路产生脉冲来刺激穴位；
[0083]
所述脉冲电路产生脉冲的方法包括：建立脉冲的退化机理模型，确定优化框架；
[0084]
构造用于建模脉冲异常刺激的数据项；选取先验项，结合数据项构造脉冲非盲目反卷积模型；利用迭代重加权最小二乘算法和共轭梯度法对非盲目反卷积模型进行数值优化求解，得到刺激轨迹；所述构造数据项来建模脉冲异常刺激方法具体包括：
[0085]
(1)选取如下非线性函数剔除椒盐异常刺激的影响：
[0086][0087]
其中，a和b为函数参数，a控制着函数在截断处的非线性程度，b控制着截断点，x为轨迹点的灰度值；为a＝5e2,b＝0.1时函数t(x)的曲线，；
[0088]
(2)联合l1范数和上式所示的非线性函数构造如下式所示的数据项：
[0089][0090]
其中i是刺激轨迹索引。
[0091]
所述非盲目反卷积模型求解方法具体包括：
[0092]
(1)将非盲反卷积模型变形为如下式所示的加权最小二乘形式：
[0093][0094]
其中，w,wh和wv为权重对角矩阵，其对角元素的值计算如下所示：
[0095][0096][0097]
其中，i为矩阵元素索引，t'(|(kx-y)i|)为非线性函数t(|(kx-y)i|的导函数；
[0098]
(2)对最小二乘形式的非盲目反卷积模型中的能量函数求导，并令导数等于0，得到如下线性方程：
[0099][0100]
令b＝k
t
w2y，a是对称正定矩阵，则上式轭梯度法求解；
[0101]
针灸模块5，与主控模块3连接，用于通过电子触头连接脉冲电路对穴位进行针灸操作；
[0102]
情绪分析模块6，与主控模块3连接，用于对针灸过程用户情绪变化进行分析；
[0103]
针灸模拟模块7，与主控模块3连接，用于对针灸进行模拟；
[0104]
显示模块8，与主控模块3连接，用于显示身体信息、情绪分析结果、针灸模拟信息。
[0105]
如图2所示，本发明提供的情绪分析模块6分析方法如下：
[0106]
s101，获取被治疗用户的身体状况信息；并采集电子针灸时用户表情图像，对采集的表情图像进行处理，通过gabor小波变换提取表情的gabor小波特征；
[0107]
s102，采集电子针灸时用户的脑电曲线图像，采用均匀局部二值模式uplbp提取脑电曲线图像的纹理特征，并对图片进行降维处理；
[0108]
s103，采用cnn-lstm网络对步骤一和步骤二中提取的特征进行多模态特征融合，并进行情绪分类；
[0109]
s104，根据情绪分类结果给出电子针灸系统操作建议，进行电子针灸力度或频率的调整；
[0110]
本发明提供的多模态特征融合及情绪分类的具体处理过程包括：
[0111]
将得到的表情图像的gabor小波特征和步骤二得到的脑电曲线图像的特征融合成一个特征向量；
[0112]
所述融合成一个特征向量具体包括：对提取的不同模态图像的特征采用可变权重的稀疏化线性融合进行加权处理，合成一个特征向量，特征融合加权公式表示如下：
[0113]
o(x)＝γk(x) (1-γ)f(x)(1)
[0114]
其中：
[0115]
k(x)表示脑电曲线图像的特征；
[0116]
f(x)表示表情特征；
[0117]
γ为不同性格对脑电曲线影响的经验权重系数；
[0118]
将融合后的特征向量转换成张量形式，通过设置不同的一次训练所选取的样本数batch_size的值，进行迭代，并从每次迭代训练中随机取出训练样本作为cnn-lstm网络的输入数据，输入到cnn-lstm网络；
[0119]
调节cnn网络初始结构和网络参数，进行迭代；调整初始结构和网络参数具体包括：调整cnn网络初始结构中卷积层的层数和网络参数学习率，选取使网络精度和所消耗的时间最优的cnn网络初始结构和网络参数；
[0120]
在cnn网络经过多层卷积池化提取图片的特征，得到五维张量特征图；
[0121]
在不改变特征图内数值的前提下，将五维张量特征图变换成符合lstm输入要求的三维张量特征图，并输入到lstm层进行处理；
[0122]
将lstm层的输出输入到全连接层和函数层进行svm分类；
[0123]
经过svm分类，依据svm的输入特征向量所对应的情绪分类做训练，选择向量所对应的情绪分类的损失函数值最小的特征代表该情绪的类别，得到一维数组的情绪分类结果，并保存训练好的神经网络，所述一维数组包含有对应于样本训练后的预测情绪分类信息；
[0124]
比较预测情绪分类信息与实际情绪分类信息，得到训练好的神经网络的预测准确率，并通过识别的准确率，不断修正特征融合加权公式中脑电曲线图像的特征和面部表情特征所占权重比。
[0125]
本发明提供的函数层采用的损失函数为softmax函数。
[0126]
如图3所示，本发明提供的针灸模拟模块7模拟方法如下：
[0127]
s201，通过数据库程序构建模拟数据库；获取第一条件数据参数，所述数据参数包
括环境数据和/或所述用户的生理数据；将获取数据存入模拟数据库进行保存；根据所述第一数据参数，确定设置在可穿戴装置上的被激活的电子针灸模拟器及所述针灸模拟器的模拟模式；
[0128]
s202，控制所述电子针灸模拟器按照所述模拟模式对所贴附的人体位置输出电子针灸模拟信号；获取电子针灸模拟时的用户的第二数据参数，并基于所述第二数据参数进行预设处理，将获取数据存入模拟数据库进行保存。
[0129]
本发明提供的获取第一数据参数之前，还包括：
[0130]
获取所述用户的特征信息；
[0131]
根据所述特征信息确定需要采集的所述第一生理数据。
[0132]
本发明提供的根据所述第一数据参数，确定设置在可穿戴装置上的电子针灸模拟器及所述电子针灸模拟器的模拟模式，包括；
[0133]
将所述第一数据参数与预先存储的参考参数进行比较，根据比较结果，确定激活的设置在可穿戴装置上的一个或多个电子针灸模拟器的位置；
[0134]
根据所述比较结果，确定激活的所述电子针灸模拟器的所述模拟模式。
[0135]
本发明提供的模拟模式包括：模拟信号的种类及相应的电子针灸模拟参数。
[0136]
本发明提供的对所述第二数据参数进行预设处理，包括：
[0137]
对所述第二数据参数进行分析，以更新用户的使用效果数据。
[0138]
本发明提供的获取电子针灸模拟时的用户的第二数据参数，并基于所述第二数据参数进行预设处理预设处理，包括：
[0139]
获取所述用户的所述第二数据参数；
[0140]
基于获取到的所述第二数据参数对所述模拟模式进行调整。
[0141]
本发明工作时，首先，通过供电模块1为基于app多功能电子针灸系统供电；通过身体信息采集模块2采集用户身体轮廓信息和体重信息；其次，主控模块3通过脉冲模块4利用脉冲电路产生脉冲来刺激穴位；通过针灸模块5利用电子触头连接脉冲电路对穴位进行针灸操作；通过情绪分析模块6对针灸过程用户情绪变化进行分析；然后，通过针灸模拟模块7对针灸进行模拟；最后，通过显示模块8显示身体信息、情绪分析结果、针灸模拟信息。
[0142]
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。