中医脉象的BP神经网络分类方法研究

为了实现中医脉象的客观、准确分类,文章提出了一种基于BP神经网络的脉象识别方法。考察了隐层节点数对网络收敛速度、识别正确率的影响以及学习率对收敛速度的影响,改进了网络训练算法。并选取了较好的学习率参数对脉象信号进行了网络训练,获得了满意的网络收敛误差和识别精度。最后用大量临床脉象样本对网络和算法进行了检验,实验结果表明该方法能够实现对中医常见脉象的准确、快速分类。     

优化强化学习路径特征分类的脉象识别法

脉象识别是中医诊断的重要手段之一。长期以来,依据个人经验进行的脉诊制约了中医的推广与发展。因此,利用传感设备进行脉象识别的研究正在逐步展开。针对神经网络识别脉象的相关研究中,存在需要大量训练数据集,以及存在处理“黑箱”和时间花销较大等问题,在强化学习的框架下,提出了一种采用马尔可夫决策和蒙特卡罗搜索的脉象图分析法。首先依据中医理论对特定的脉象进行路径分类,然后在此基础上为不同的路径选择代表性特征,最终通过对代表性特征的阈值对比完成对脉象的识别。实验结果表明,所提方法可缩减训练时间和所需资源,并可保留完整的经验轨迹;且在提高脉象识别的准确率的同时,还可解决数据处理过程中的“黑箱”问题。     

基于概率神经网络的中医脉象识别方法研究

中医脉象客观化研究的关键在于对各种脉象进行客观检测和正确识别。在长期对中医脉象进行临床检测、采集和分析的基础上,针对中医脉象模糊性强、种类繁多、特征复杂的特点,以及传统识别方法和BP神经网络识别方法的不足,提出了一种基于概率神经网络（Probabilistic Neural Network,简称PNN）的中医脉象识别方法;运用所建立的PNN脉象识别模型对中医常见的12种脉象进行了识别和检验,识别正确率平均达93％（而传统模糊聚类方法的为75％,BP神经网络方法的为87.1％）。最后对PNN方法和BP神经网络方法的识别性能做了对比实验,发现在强噪声干扰下PNN方法对脉象的识别正确率远高于BP神经网络方法。     

基于阵列式触觉传感器的中医脉象采集系统的设计

给出了一种基于电容式触觉传感器阵列的新型中医脉象采集系统的设计,弥补了以往单点压力传感器定位不准、信息量少、重复性差等缺点,目的是为中医脉象的客观化研究提供技术支持。本系统包括采集器软硬件、PC端软件设计以及基于斜率阈值的脉象起始点、主波峰值点特征提取方法。系统采集的脉象波形稳定,通过与人工标注的数据对比,特征提取算法的误差在0.02 s以内。     

基于可拓方法的脉象分类研究

提出一种基于可拓学的脉象分类方法,旨在将可拓方法应用于脉象分类判别,建立脉象多参数指标的判别模型,并以定量的数值表示判别结果,能较完整地反映实际的脉象属类,且易于使用计算机进行规范化、客观化判别。     

基于三路脉象同步检测系统的肝硬化脉象识别

中医是极具中国特色、历史悠久的一门学科,脉诊作为中医中最重要的理论,其现代化研究工作受到中外学者的高度重视。三路脉象同步检测系统结合传感器和电机控制技术,实现了寸关尺三路脉搏信号的同步采集,且通过压力调整模拟真实把脉过程进行浮中沉取脉。同时针对三路脉搏信号提出一种新的策略,对正常脉搏和肝硬化脉搏进行识别。该策略基于脉搏波时域参数和支持向量机算法,实验表明其识别准确度较先前工作有很大程度提高,达到90.82%,进一步验证了在病症识别研究中,三路同步脉搏信号较单路脉搏信号包含更多的疾病特征信息。     

基于多传感器技术的中医脉象复放系统

为了改进当前脉象模拟技术一致性较差,未考虑中医师的取脉位置和应指压力等缺点,本文设计了新型脉象发生器和仿生模拟手,依据多传感器信息融合技术智能检测中医师的取脉位置和应指压力,实现了人体26种临床脉象数据库脉象和采集被试者脉象的准确复放。通过实验验证,该系统复放波形、脉图与输入波形间的相关系数Rxy均大于0.85,具有显著相关性;脉象主要特征值误差在5%以内。经多名老中医盲测,本复放系统可应用于中医脉诊课堂教学测试、职业中医师培训考核、中医脉诊研究等领域。     

柔性传感器智能脉诊系统信号采集处理技术

脉搏诊断仪器的研发和使用为传统中医的智能诊断提供了客观基础,但现有的脉搏诊断设备没有考虑采集部位（寸、关、尺）与压力（浮、中、沉）共同作用时对诊断结果的影响,诊断精度仍有提升空间。为了更加准确地识别脉象,本文提出了一种基于柔性传感器的智能脉诊系统和相应的脉搏信号处理方法。在寸、关、尺采集部位安装3个阵列柔性传感器,通过设置浮、中、沉不同压力阈值,获取多组脉象信号,接着提取信号特征,并基于多重集典型相关分析（Multi-set canonical correlations analysis,MCCA）方法对多通道特征进行融合,以获得更多脉搏信息。实验结果表明,本文所提方法在4种典型脉象分类中,脉象分类准确度得到进一步提升。本文设计的采集部位、压力相结合的脉象感应方法可以模拟还原中医诊断过程,有助于提取真实的脉搏信号,为后续基于柔性传感器的智能脉搏诊断设备的研发提供了理论基础和参考价值。     

基于递归图和卷积神经网络的脉象分析识别

在脉象信号分析识别中,时域、频域等分析方法难以挖掘脉象信号的非线性信息,且传统机器学习方法需要人工定义特征,无法进行特征的自学习。提出一种基于无阈值递归图和卷积神经网络的脉象分析识别方法。基于非线性动力学理论,将脉象信号转换为无阈值递归图,通过VGG-16卷积神经网络实现递归图非线性特征的自动提取,并建立脉象分类模型。实验结果表明,该方法分类准确率可达98.14%,与已有的脉象分类方法相比有所提升。该研究为脉象信号分类提供了一种新的思路和方法,对脉诊客观化具有一定的实用价值。     

基于中医机器人平台的脉诊技术研究

中医脉诊的客观化即把中医师主观上对脉象的感知转换为客观上数字化的脉象信号，有利于中医的传承发展和诊断标准的统一，同时有助于实现脉象的远程诊断。针对现有脉象仪需要去特定场合进行诊断，或者计算能力和存储能力受限的问题，研发了基于家庭中医机器人平台的脉象采集和分析系统，该系统采用机械加压方式采集不同压力下的脉象信号，将采集到的数据传至云服务器，云服务器对脉象信号进行分析并下发诊断结果，结合以往数据来分析疾病趋势，这样可以针对每个患者进行个体化的信息记录，实现以病人为中心的治疗。     

基于改进的基因表达式编程的复杂函数建模

介绍了基因表达式程序设计方法的基本原理，针对求解复杂函数模型反问题中经典GEP算法多样性表现不足，甚至出现早熟的问题，提出了一种基于动态变异算子的改进的GEP算法——IGEP算法，从理论上对该改进算法进行了复杂度分析和收敛性分析。通过求解复杂函数模型反问题的多个实验将改进算法与传统方法、神经网络方法、经典GEP算法进行了对比，结果表明：该方法建立的复杂函数反问题拟合模型比经典GEP方法、传统方法、神经网络方法得到的模型更加优秀。     

基于改进基因表达式程序设计的股票指数预测

介绍基因表达式程序设计方法的基本原理,针对股票指数分析与预测问题,在经典的GEP算法基础上,提出一种基于动态变异算子的改进的GEP算法——IGEP算法,动态变异算子随着进化代数和染色体所含基因数目不同而变化,从而加快了GEP的收敛速度和精确度,对算法进行了复杂度和收敛性分析。设计一种基于IGEP的股票指数分析与预测算法,数值实验结果表明,该算法优于经典GEP算法,具有较广泛的通用性。     

Similarity computing model of high dimension data for symptom classification of Chinese traditional medicine

In recent years, researchers have paid more and more attention on data mining of practical applications. Aimed to the problem of symptom classification of Chinese traditional medicine, this paper proposes a novel computing model based on the similarities among attributes of high dimension data to compute the similarity between any tuples. This model assumes data attributes as basic vectors of m dimensions and each tuple as a sum vector of all the attribute-vectors. Based on the transcendental concept similarity information among attributes, it suggests a novel distance algorithm to compute the similarity distance of any pair of attribute-vectors. In this method, the computing of similarity between any tuples are turned to the formulas of attribute-vectors and their projections of each other, and the similarity between any pair of tuples can be worked out by computing these vectors and formulas. This paper also presents a novel classification algorithm based on the similarity computing model and successfully applies the algorithm into the symptom classification of Chinese traditional medicine. The efficiency of the algorithm is proved by extensive experiments.     

基于计算机视觉的中药饮片分类技术综述与案例研究

中药饮片相似品、真伪、变质等方面的分类对临床中药应用有着至关重要的影响。传统的人工鉴别方法主观性强、误判率高,而基于计算机视觉的中药饮片分类具有快速、准确等特点,使饮片筛选智能化。首先,介绍了基于计算机视觉的中药识别算法的一般步骤,并分类综述了对中药图像的预处理、特征提取和识别模型的技术发展现状;然后,选取12类相似易混中药饮片分类作为案例研究。通过构建包含9 156张图片的中药饮片数据集,分析对比了传统识别算法和多种深度学习模型的识别性能差异;最后,对计算机视觉在中药饮片应用研究中存在的难点和未来发展趋势进行了总结和展望。     

AdaBoost算法在中医舌诊图像分区识别中的研究

舌诊是中医传统诊断的一个重要方式.本文以模式识别、图像处理和中医舌诊理论为研究基础,结合中医诊断规则,提出舌象的分区训练识别方法,并采用一种新的基于集成学习的AdaBoost算法,构建出一套完整的、符合中医诊断体系规范的舌象分类识别算法.通过实验验证,该方法对中医舌诊分类识别是有效的.     

中医临床不均衡数据疾病分类方法研究

基于欠采样的不均衡数据分类算法是一种随机数据优化算法,但它不能最好地反映中医临床原始数据的分布并解决数据的特征冗余问题。提出了基于预测风险的最远病例不均衡装袋算法（PRFS-FPUSAB）。该算法中首先基于欠采样提出了改进的抽样方式尽可能地反映原始数据分布,然后结合集成学习、预测风险标准提高不均衡的分类性能并进行特征选择。在中医临床采集的经络电阻数据上的实验结果表明,该算法改善了曲线下面积并且选择的特征也符合中医学相关理论。     

基于特征提取的分类集成在脾虚证诊断中的应用

数据挖掘技术在中医辅助诊断中被日益重视,计算机辅助诊断本质上是一个数据挖掘分类任务。针对中医临床数据的模糊性和不完整性,提出了一种基于特征提取的分类集成模型。这种模型能将扰动训练数据和扰动输入属性结合起来,生成精确且差异度大的个体分类器。与单个分类器和其他集成方法的对比实验,证明这种新模型在脾虚证辅助诊断上有更低的错误率。进一步的实验显示特征提取在这种新模型中对降低错误率有显著的作用。     

基于属性归纳的中药方剂数据挖掘

传统的面向属性归纳技术（AOI）存在概化粗糙及算法效率较低等缺陷。为适应中药方剂数据挖掘的复杂需求，提出基于中药数据驱动的属性关联概化算法；为关联的维度创建概念树，利用关联属性与基准属性的相关性以提高归纳的效率，实现了面向属性关联归纳的数据挖掘系统TCMDBMiner。实验结果表明，新算法较传统算法的归纳概化效率提高了23%以上，挖掘结果符合中医理论。     

基于BiLSTM-CRF的中医文言文文献分词模型研究

由于中医文献内容繁杂数目庞大、专业术语词汇较多,且包含使用文言文、古人口语等多样的书写方式,使用通用领域的分词器进行分词的效果较差。为了解决这一问题,该方法构建了BiLSTM-CRF的模型对中医领域的文献尤其是文言文文献进行分词,并在中医领域文献上对比了BiLSTM-CRF模型、BiLSTM模型及主流通用中文分词器jieba、Ansj的分词结果。结果表明基于Bi-LSTM-CRF模型的分词取得了更优秀的分类性能和鲁棒性。