一种基于大数据的适老化健康管理系统及方法与流程

1.本发明属于健康管理技术领域，具体涉及一种基于大数据的适老化健康管理系统及方法。


背景技术：

2.随着人口老龄化的加剧，年轻人一代时常因为老小不能兼顾而陷入痛苦，并且多数老年人多多少少会存在一些健康问题，例如高血压、冠心病、肺炎、糖尿病等，于是越来越多的人关注到智慧养老的这一理念，希望能够通过智慧养老实现对老年人的照顾以及实现对存在健康问题的老年人的健康管理以减轻年轻人的负担。
3.健康管理是指一种对个人或人群的健康危险因素进行全面管理的过程，其宗旨是调动个人或集体的积极性，有效地利用有限的资源来达到最大的健康效果，目前老年人的健康管理一般都需要老年人和家属一起到医院先进行检查，然后等待检查结果出来后再与健康管理师交流，过程较为繁琐浪费时间，且老年人常年处于正常的情况，多次检查会导致生活开支的增加，较为浪费。


技术实现要素：

4.针对现有技术中的上述不足，本发明提供的基于大数据的适老化健康管理系统及方法解决了上述背景技术中的问题。
5.为了达到上述发明目的，本发明采用的技术方案为：一种基于大数据的适老化健康管理系统，包括：
6.大数据云服务器，用于存储和分析用户的健康数据，建立用于老年人健康教育的中医健康教育知识库，并配置智能模型为智能终端提供服务支持；
7.智能终端，其包括：
8.健康档案模块，用于存储用户的个人健康信息，建立健康档案，并对其健康状态进行风险评估；
9.健康管理模块，用于根据用户当前健康状态进行用药煎药、饮食注意及健康指标提醒与管理；
10.信息推荐模块，用于根据用户健康需求推送健康教育知识；
11.中药识别模块，用于根据拍摄图像识别中药种类；
12.远程关联模块，用于与与智能终端管理的智能设备进行信息关联，同时可与其他智能终端管理关联，实现不同用户之间的信息互联；
13.智能设备，其包括：
14.智能药盒，与智能终端可选择性的关联，用于放置药品、提醒煎药用药以及健康教育知识播报；
15.智能穿戴装置，与智能终端可选择性的关联，用于实时监测用户的身体健康指标。
16.进一步地，所述大数据云服务器中配置的智能模型包括健康教育知识信息推荐模
型、疾病风险评估模型以及中药识别模型。
17.进一步地，所述智能药盒包括控制器、语音提醒器、定位器、计时器、信息录入模块、存储器、信息验证模块、开关控制模块以及用药记录模块连接；
18.所述控制器分别与语音提醒器、定位器、计时器、信息录入模块、存储器、信息验证模块、开关控制模块以及用药记录模块连接，所述控制器还与远程关联模块连接；
19.所述语音提醒器用于根据录入信息进行语音用药提醒、健康教育知识播报以及药盒及用户信息提醒；
20.所述定位器用于实时记录智能药盒所在位置；
21.所述计时器用于配合控制器记录当前时间，以使语音提醒器按时播报信息；
22.所述信息录入模块配置有信息录入接口，为软件接口或硬件接口，用于录入用户所需的用药信息、用户个人信息以及健康教育知识；
23.所述存储器用于存储录入的用药信息、用户个人信息以及健康教育知识；
24.所述信息验证模块，为语音验证器或指纹验证器，用于验证用户身份避免智能药盒的交叉使用；
25.所述开关控制模块，与信息验证模块配合使用，当用户信息验证通过后控制智能药盒打开；
26.所述用药记录模块，用于对用户的用药情况进行记录，并反馈至智能终端。
27.一种适老化健康管理方法，包括以下步骤：
28.s1、在大数据云服务器中构建中医健康教育知识库，并配置智能模型；
29.s2、在智能终端侧，收集用户的个人健康信息及用药信息；
30.s3、根据用户需求及收集信息，调用智能模型为用户提供所需信息；
31.同时，根据收集信息生成健康提醒信息，实现适老化健康管理；
32.其中，所需信息包括推荐健康教育知识、提供疾病风险评估信息以及中药识别信息；健康提醒信息包括用药煎药以及饮食注意提醒。
33.进一步地，所述适老化健康管理方法还包括将所述智能终端与智能药盒、智能穿戴装置及其他智能终端进行远程关联；
34.将所述智能终端与所述智能药盒关联时，所述智能药盒配合智能终端实现适老化健康管理的方法具体为：
35.将智能终端通过远程管理模块与智能药盒关联绑定，并录入用户信息、用药信息及健康教育知识；
36.根据录入的用药信息通过语音提醒器按时提醒用户用药，并将用药情况反馈至智能终端进行用药记录，根据用户需求语音播报录入的健康教育知识，同时在用户用药前根据录入的用户信息对用户身份进行验证，实现适老化健康管理；
37.将所述智能终端与所述智能穿戴装置关联时，所述智能穿戴装置配合智能终端实现适老化健康管理的方法具体为：
38.将智能终端通过远程管理模块与智能穿戴装置关联绑定；
39.通过智能穿戴装置实时采集用户的身体健康状态指标，并反馈至智能设备，进行记录作为疾病风险评估的参考数据；其中，采集的身体健康状态指标包括血氧数据、心率数据、体温数据、血压数据以及睡眠情况数据。
40.进一步地，所述步骤s1中的中医健康教育知识库为以中医八纲辨证为基础的数据库集合：
41.所述中医健康教育知识库包括望诊标准数据库、闻诊标准数据库、问诊标准数据库、切诊标准数据库、辨证标准数据库、医案标准数据库、中药数据库、食品数据库以及中医养生知识数据库；
42.所述望诊标准数据库通过对同一区域相同年龄段及不同区域相同年龄段健康人群、同一区域相同疾病及不同区域同一疾病患者舌头象及面象进行定量数据采集，并对其进行统计分析构建而成；
43.所述闻诊标准数据库通过采集同一区域相同疾病及不同区域同一疾病患者的声学参数，和对同一区域相同疾病及不同区域同一疾病患者散发的疾病特有气味，并对其进行统计分析构建而成；
44.所述问诊标准数据库根据中医症状、症候、医理的标准规定，通过归纳总结关键词，并以关键词与症状规范、症候规范以及医理设计构建而成；
45.所述切诊标准数据库通过采集疾病患者的脉图参数，并对其归纳总结得到基本脉象构建而成；
46.所述辨证标准数据库通过归纳总结中国历代名医辨证施治体系，参考历代名医著作的经典书籍，通过中医辨证施治方法对各个证候相关的临床症状、发病机理、发病部位、诊断结果进行统计，总结出五脏相关疾病的发病规律和生理功能，对肝、心、脾、肺、肾在疾病过程中常见的临床症状进行对应症候的统计构建而成；
47.所述医案标准数据库通过对患者健康与恢复状况进行长期的跟踪与回访，通过统计分析的方法对诊断结果不统一、命名不正确、分类不严谨的医案进行重新总结与划分构建而成；
48.所述中药数据库通过归纳各种中药的性味归经及聚类组合构建而成；
49.所述食品数据库通过统计分析各类食品的营养成分、成分组成、搭配禁忌以及建议食用量构建而成；
50.所述中医养生数据库通过分析阴阳五行之间的客观规律，提供针对性的养生方法构建而成。
51.进一步地，所述步骤s3中健康教育知识的推荐基于fcm推荐系统实现，推荐方法具体为：
52.a1、确定用户健康教育需求关键词；
53.a2、激活fcm推荐系统的初始状态矢量a(0)中表征该关键词的概念节点；
54.a3、基于fcm推荐系统的fcm推荐机制，通过状态矢量a(t)与fcm推荐系统的邻接矩阵w进行迭代运算得到a(1)、a(2)
······
，直到fcm推荐系统达到稳定状态；
[0055][0056]
式中，w为节点间权重的邻接矩阵，f(
·
)为阈值函数，a1,...,an为n个与中医健康教育知识相关的关键词，w
nn
为与an对应的n个节点间权重。
[0057]
a4、确定当前fcm系统中是a(n-1)＝a(n)还是a(n m)＝a(n)成立，m＜n；
[0058]
若a(n-1)＝a(n)成立，则进入步骤a5；
[0059]
若a(n m)＝a(n)成立，则进入步骤a6；
[0060]
a5、分析从a(1)到a(n-1)的推理过程中每个时刻中各概念节点的数值变化幅度，将数值变化幅度最小的topn作为健康教育推荐内容；
[0061]
a6、根据固定节点下的推荐方法，从a(1)开始进行m次迭代，根据迭代过程中概念节点数值的变化幅度进行推荐，选取数值变化幅度最小的topn作为健康教育推荐内容。
[0062]
进一步地，所述步骤s3中进行疾病风险评估的方法具体为：
[0063]
b1、根据各类疾病的名称对疾病的各项指标阈值范围进行定义，同时根据疾病的各项指标阈值范围，利用sas统计软件建立对应疾病的队列；
[0064]
b2、根据建立的各项疾病的队列，利用多因素回归法构建疾病风险评估模型；
[0065]
b3、将用户身体健康指标作为疾病风险评估模型的输入，获得疾病风险评估结果；
[0066]
其中，疾病风险评估模型为：
[0067][0068]
式中，p(t)为用户患所评估疾病的累计发病风险，s0(t)为所评估指标的基准生存率，xi为第i个身体健康指标，xi'为第i个身体健康指标的均值，exp(
·
)为指数函数；
[0069]
其中，身体健康状态指标包括用户录入的健康体检数据中的指标以及智能穿戴装置采集的实时用户健康状态指标。进一步地，所述步骤s3中，进行中药识别的方法具体为：
[0070]
c1、采集待识别中药图像；
[0071]
c2、通过中药材检测模型检测并定位待识别中药图像中的中药信息，获得待识别中药材图块；
[0072]
c3、通过中药材识别模型对中药材图块进行类型识别，获得中药识别结果；
[0073]
其中，中药材检测模型为yolov4-tiny网络，中药材识别模型为基于注意力机制的轻量级中药识别模型。
[0074]
进一步地，所述轻量级中药识别模型包括依次连接的中药特征提取网络、全局平均池化层以及全连接层；
[0075]
所述中药特征提取网络中包括基于残差结构的混合域注意力模块以及改进mbconv模块；
[0076]
其中，混合域注意力模块中对上层传递的中药特征进行处理的方法具体为：
[0077]
对中药特征进行卷积运算，得到中药特征图，然后通过cam单元和sam单元依次进行通道方向和空间方向上的关注，得到注意力向量，将注意力向量与其输入特征图在同一空间方向上做乘积后，加入恒等映射，进而得到混合域注意力模块的中药输出特征；
[0078]
所述改进mbconv模块在mbconv模块的基础上增加了通道注意力se单元和空间注意力sam单元。
[0079]
本发明的有益效果为：
[0080]
(1)本发明提供的基于大数据的适老化健康管理系统针对老年人设计，由大数据云服务器、智能终端以及可选择性的智能设备组成，能够根据老年人的需求，进行健康档案建立与管理，管理包括用药煎药、饮食注意及健康指标管理，同时还能推送定制化的健康教育知识，识别中药类型以及根据自身健康状态指标进行疾病风险评估，实现简单易懂、方便
操作一“机”式健康管理方法。
[0081]
(2)本发明提供的适老化健康管理系统中配置有可与智能终端选择性管理的智能设备，包括智能药盒以及智能穿戴装置等可随身携带且与智能终端关联的设备，其中，智能药盒提醒老年人按时用药，并对定制的健康教育知识进行播报，同时具有定位功能方便家属能够知晓老年人的位置，而智能穿戴装置可实时采集老年人的身体健康状态指标，并将其作为疾病风险评估的基础数据，以便更新老年人的患病风险。
[0082]
(3)本发明提供的适老化健康管理方法，基于老年人健康管理需求，提供了定制化的健康信息提醒、健康教育知识推荐、疾病风险评估以及中药识别等功能。
[0083]
(4)本发明提供的适老化健康管理系统及方法，能够根据用户需求及自身情况提供定制化的个性健康管理方案，提高老年人的健康管理意识与效率。
附图说明
[0084]
图1为本发明提供的基于大数据的适老化健康管理系统结构框图。
[0085]
图2为本发明提供的基于大数据的适老化健康管理方法流程图。
具体实施方式
[0086]
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0087]
实施例1：
[0088]
本发明实施例提供了一种基于大数据的适老化健康管理系统，如图1所示，包括：
[0089]
大数据云服务器，用于存储和分析用户的健康数据，建立用于老年人健康教育的中医健康教育知识库，并配置智能模型为智能终端提供服务支持；
[0090]
智能终端，其包括：
[0091]
健康档案模块，用于存储用户的个人健康信息，建立健康档案，并对其健康状态进行风险评估；
[0092]
健康管理模块，用于根据用户当前健康状态进行用药煎药、饮食注意及健康指标提醒与管理；
[0093]
信息推荐模块，用于根据用户健康需求推送健康教育知识；
[0094]
中药识别模块，用于根据拍摄图像识别中药种类；
[0095]
远程关联模块，用于与与智能终端管理的智能设备进行信息关联，同时可与其他智能终端管理关联，实现不同用户之间的信息互联；
[0096]
智能设备，其包括：
[0097]
智能药盒，与智能终端可选择性的关联，用于放置药品、提醒煎药用药以及健康教育知识播报；
[0098]
智能穿戴装置，与智能终端可选择性的关联，用于实时监测用户的身体健康指标。
[0099]
本发明实施例提供适老化健康管理系统是根据老年人的生活习惯及特点，设计的针对性的健康管理系统，只需预先录入用户数据，就能实现一键式健康教育知识播报、中药
识别以及实时健康指标监测。
[0100]
本实施例中的大数据云服务器中配置的智能模型包括健康教育知识信息推荐模型、疾病风险评估模型以及中药识别模型；其中，健康教育知识信息推荐模型用于根据用户需求定制化推荐所需健康教育知识，疾病风险评估模型用于根据用户当前体检报告及身体健康指标进行疾病的患病风险评估，中药识别模型用于对用户不清楚名称的中药材进行类型识别。
[0101]
本实施例中的智能药盒包括控制器、语音提醒器、定位器、计时器、信息录入模块、存储器、信息验证模块、开关控制模块以及用药记录模块连接；
[0102]
所述控制器分别与语音提醒器、定位器、计时器、信息录入模块、存储器、信息验证模块、开关控制模块以及用药记录模块连接，所述控制器还与远程关联模块连接；
[0103]
其中，语音提醒器用于根据录入信息进行语音用药提醒、健康教育知识播报以及药盒及用户信息提醒；所述定位器用于实时记录智能药盒所在位置；所述计时器用于配合控制器记录当前时间，以使语音提醒器按时播报信息；所述信息录入模块配置有信息录入接口，为软件接口或硬件接口，用于录入用户所需的用药信息、用户个人信息以及健康教育知识；所述存储器用于存储录入的用药信息、用户个人信息以及健康教育知识；所述信息验证模块，为语音验证器或指纹验证器，用于验证用户身份避免智能药盒的交叉使用；所述开关控制模块，与信息验证模块配合使用，当用户信息验证通过后控制智能药盒打开；所述用药记录模块，用于对用户的用药情况进行记录，并反馈至智能终端。
[0104]
实施例2：
[0105]
本发明实施例提供了实施例1中的基于大数据的适老化健康管理系统的适老化健康管理方法，如图2所示，包括以下步骤：
[0106]
s1、在大数据云服务器中构建中医健康教育知识库，并配置智能模型；
[0107]
s2、在智能终端侧，收集用户的个人健康信息及用药信息；
[0108]
s3、根据用户需求及收集信息，调用智能模型为用户提供所需信息；
[0109]
同时，根据收集信息生成健康提醒信息，实现适老化健康管理；
[0110]
其中，所需信息包括推荐健康教育知识、提供疾病风险评估信息以及中药识别信息；健康提醒信息包括用药煎药以及饮食注意提醒。
[0111]
本实施例中的适老化健康管理方法还包括将所述智能终端与智能药盒、智能穿戴装置及其他智能终端进行远程关联；
[0112]
将智能终端与所述智能药盒关联时，智能药盒配合智能终端实现适老化健康管理的方法具体为：
[0113]
将智能终端通过远程管理模块与智能药盒关联绑定，并录入用户信息、用药信息及健康教育知识；根据录入的用药信息通过语音提醒器按时提醒用户用药，并将用药情况反馈至智能终端进行用药记录，根据用户需求语音播报录入的健康教育知识，同时在用户用药前根据录入的用户信息对用户身份进行验证，实现适老化健康管理。
[0114]
在本实施例中，智能药盒能够实时记录用户的用药信息，便于老年人家属掌握用户的用药情况，并在服药前进行信息验证，避免用药错误及智能药盒的交叉使用造成的服药错误风险，同时还能够实时记录智能药盒的位置信息，使得在老年人走丢时，可以快速掌握其位置信息。
[0115]
将所述智能终端与所述智能穿戴装置关联时，智能穿戴装置配合智能终端实现适老化健康管理的方法具体为：
[0116]
将智能终端通过远程管理模块与智能穿戴装置关联绑定；
[0117]
通过智能穿戴装置实时采集用户的身体健康状态指标，并反馈至智能设备，进行记录作为疾病风险评估的参考数据；其中，采集的身体健康状态指标包括血氧数据、心率数据、体温数据、血压数据以及睡眠情况数据。
[0118]
本实施例中的智能穿戴装置可以为智能手环等能够实时采集身体健康状态指标的穿戴式设备。
[0119]
本实施例中的步骤s1中的中医健康教育知识库为以中医八纲辨证为基础的数据库集合：
[0120]
所述中医健康教育知识库包括望诊标准数据库、闻诊标准数据库、问诊标准数据库、切诊标准数据库、辨证标准数据库、医案标准数据库、中药数据库、食品数据库以及中医养生知识数据库；
[0121]
所述望诊标准数据库通过对同一区域相同年龄段及不同区域相同年龄段健康人群、同一区域相同疾病及不同区域同一疾病患者舌头象及面象进行定量数据采集，并对其进行统计分析构建而成；
[0122]
所述闻诊标准数据库通过采集同一区域相同疾病及不同区域同一疾病患者的声学参数，和对同一区域相同疾病及不同区域同一疾病患者散发的疾病特有气味，并对其进行统计分析构建而成；
[0123]
所述问诊标准数据库根据中医症状、症候、医理的标准规定，通过归纳总结关键词，并以关键词与症状规范、症候规范以及医理设计构建而成；
[0124]
所述切诊标准数据库通过采集疾病患者的脉图参数，并对其归纳总结得到基本脉象构建而成；
[0125]
所述辨证标准数据库通过归纳总结中国历代名医辨证施治体系，参考历代名医著作的经典书籍，通过中医辨证施治方法对各个证候相关的临床症状、发病机理、发病部位、诊断结果进行统计，总结出五脏相关疾病的发病规律和生理功能，对肝、心、脾、肺、肾在疾病过程中常见的临床症状进行对应症候的统计构建而成；
[0126]
所述医案标准数据库通过对患者健康与恢复状况进行长期的跟踪与回访，通过统计分析的方法对诊断结果不统一、命名不正确、分类不严谨的医案进行重新总结与划分构建而成；
[0127]
所述中药数据库通过归纳各种中药的性味归经及聚类组合构建而成；
[0128]
所述食品数据库通过统计分析各类食品的营养成分、成分组成、搭配禁忌以及建议食用量构建而成；
[0129]
所述中医养生数据库通过分析阴阳五行之间的客观规律，提供针对性的养生方法构建而成。
[0130]
本实施例的步骤s3中健康教育知识的推荐基于fcm推荐系统实现，推荐方法具体为：
[0131]
a1、确定用户健康教育需求关键词；
[0132]
a2、激活fcm推荐系统的初始状态矢量a(0)中表征该关键词的概念节点；
[0133]
a3、基于fcm推荐系统的fcm推荐机制，通过状态矢量a(t)与fcm推荐系统的邻接矩阵w进行迭代运算得到a(1)、a(2)
······
，直到fcm推荐系统达到稳定状态；
[0134][0135]
式中，w为节点间权重的邻接矩阵，f(
·
)为阈值函数，a1,...,an为n个与中医健康教育知识相关的关键词，w
nn
为与an对应的n个节点间权重。
[0136]
a4、确定当前fcm系统中是a(n-1)＝a(n)还是a(n m)＝a(n)成立，m＜n；
[0137]
若a(n-1)＝a(n)成立，则进入步骤a5；
[0138]
若a(n m)＝a(n)成立，则进入步骤a6；
[0139]
a5、分析从a(1)到a(n-1)的推理过程中每个时刻中各概念节点的数值变化幅度，将数值变化幅度最小的topn作为健康教育推荐内容；
[0140]
a6、根据固定节点下的推荐方法，从a(1)开始进行m次迭代，根据迭代过程中概念节点数值的变化幅度进行推荐，选取数值变化幅度最小的topn作为健康教育推荐内容。
[0141]
本发明实施例提供的上述融合用户疾病情景的推荐方式既包含fcm的不确定性运算推理，又通过状态矢量下各个概念节点在迭代过程中精确的数值变化幅度作为推荐依据，实现了健康教育知识的个性化推荐。
[0142]
本发明实施的步骤s3中进行疾病风险评估的方法具体为：
[0143]
b1、根据各类疾病的名称对疾病的各项指标阈值范围进行定义，同时根据疾病的各项指标阈值范围，利用sas统计软件建立对应疾病的队列；
[0144]
b2、根据建立的各项疾病的队列，利用多因素回归法构建疾病风险评估模型；
[0145]
b3、将用户身体健康指标作为疾病风险评估模型的输入，获得疾病风险评估结果；
[0146]
其中，疾病风险评估模型为：
[0147][0148]
式中，p(t)为用户患所评估疾病的累计发病风险，s0(t)为所评估指标的基准生存率，xi为第i个身体健康指标，xi'为第i个身体健康指标的均值，exp(
·
)为指数函数；
[0149]
其中，身体健康状态指标包括用户录入的健康体检数据中的指标以及智能穿戴装置采集的实时用户健康状态指标。
[0150]
本实施例的步骤b2具体为：
[0151]
b2-1、确定要分析的疾病自变量xi；
[0152]
b2-2、利用sas统计软件进行cox单因素回归分析，得到单因素回归分析模型；
[0153]
h(t|x)＝h0(t)*exp(βi*xi)
[0154]
b2-3、设定一个显著性水平α，当对回归系数检验的βi检验的小于α时，认为变量xi与变量结局之间有明显的线性关系，变量xi能够纳入cox比例风险模型；
[0155]
b2-4、基于单个变量xi与cox比例风险模型的关系，利用多因素回归分析法，构建cox比例风险模型。本发明实施例中进行中药识别的方法具体为：
[0156]
c1、采集待识别中药图像；
[0157]
c2、通过中药材检测模型检测并定位待识别中药图像中的中药信息，获得待识别
中药材图块；
[0158]
c3、通过中药材识别模型对中药材图块进行类型识别，获得中药识别结果；
[0159]
其中，中药材检测模型为yolov4-tiny网络，中药材识别模型为基于注意力机制的轻量级中药识别模型。
[0160]
本发明实施例中的轻量级中药识别模型包括依次连接的中药特征提取网络、全局平均池化层以及全连接层；
[0161]
所述中药特征提取网络中包括基于残差结构的混合域注意力模块以及改进mbconv模块；
[0162]
其中，混合域注意力模块中对上层传递的中药特征进行处理的方法具体为：
[0163]
对中药特征进行卷积运算，得到中药特征图，然后通过cam单元和sam单元依次进行通道方向和空间方向上的关注，得到注意力向量，将注意力向量与其输入特征图在同一空间方向上做乘积后，加入恒等映射，进而得到混合域注意力模块的中药输出特征；
[0164]
所述改进mbconv模块在mbconv模块的基础上增加了通道注意力se单元和空间注意力sam单元。
[0165]
本发明实施例提供的基于注意力机制的轻量级中药识别网络(attention-traditional chinese medicine-net，简称attention-tcm-net)。其设计思想是：首先，为了加强对局部细节特征的关注，通过引入能够对通道权重进行重新调整的通道注意力机制和能够学习到中药空间特征的空间注意力机制来更好的提取中药的细节特征；其次，为了实现快速识别，更好的适应市场鉴定的需求，引入了特征提取模块—移动倒置瓶颈卷积(mobile inverted bottleneck convolution，mbconv)来减少网络参数和提高速度。由于mbconv采用了深度可分离卷积，对空间特征与通道特征的学习分开执行，因此特征的提取效果不及标准卷积。为了改善模块的特征提取性能，提升识别的准确性，本文在其基础上进行了改进，加入了注意力机制进行优化。最后，在模型的架构设计中，由于网络深度、网络宽度和图像分辨率之间相互作用会对网络性能产生影响，单纯设计针对中药鉴别的高效神经网络结构是很困难的，因此网络模型中间的卷积层堆叠参考了最新的efficientnet设计思想。